Een team van Taiwanese onderzoekers heeft een nieuw AI-model ontwikkeld dat in staat is om 3D MRI-beelden van de hersenen te genereren. Het model maakt daarvoor gebruik van semantische segmentatiemaskers en wordt Med-DDPM genoemd. De wetenschappers noemen dit een doorbraak op het gebied van medische beeldsynthese en privacybescherming.
Medische beeldvorming is cruciaal voor de gezondheidszorg, maar toch worden AI-toepassingen op dit gebied vaak beperkt door schaarste aan gegevens voor het trainen van de algoritmen. Daarbij spelen ook zorgen over de privacy van patiënten een rol. Het Med-DDPM model pakt deze uitdagingen aan door middel van ‘semantische conditionering’, een methode die maskerafbeeldingen op pixelniveau opneemt in het diffusieproces om het genereren van anatomisch coherente 3D MRI's te begeleiden.
3D MRI’s van hersenen genereren
Med-DDPM onderscheidt zich van bestaande generatieve modellen, zoals generative adversarial networks (GAN's), door veelvoorkomende problemen zoals mode collapse en ruimtelijke inconsistenties te vermijden. Het is ook in staat om MRI's van de hersenen te genereren voor meerdere modaliteiten-T1, T1CE, T2 en FLAIR-door alleen maskeringangen te gebruiken.
In een taak op het gebied van van hersentumorsegmentatie behaalden de met het AI-model gegenereerde beelden van Med-DDPM een score van 0,6207. Dat zat dicht in de buurt van de prestaties van echte beelden (0,6531). Na combinatie van de synthetisch gegenereerde beelden werden met echte data, verbeterde de segmentatienauwkeurigheid tot 0,6675. Dat toont het potentieel van het model voor gegevensuitbreiding aan.
“Med-DDPM biedt een betrouwbare oplossing voor het genereren van anatomisch nauwkeurige 3D MRI's van hoge kwaliteit, waarbij zowel gegevensbeperkingen als privacykwesties worden aangepakt”, leggen de onderzoekers uit. Het onderzoek werd onlangs gepubliceerd in het IEEE Journal of Biomedical and Health Informatics.
Veelzijdige toepassing
Het vermogen om zowel normale als pathologische hersenbeelden met behulp van segmentatiemaskers te genereren maakt deze oplossing geschikt voor veelzijdige toepassingen op het gebied van medische beeldvorming. Bovendien zorgt de mogelijkheid van Med-DDPM om medische gegevens te anonimiseren voor privacy bij het delen van klinische informatie.
Het onderzoeksteam heeft de synthetische dataset van hersenpathologische MRI's en segmentatiemaskers openbaar gemaakt. Daarnaast zijn de code en modelgewichten voor Med-DDPM toegankelijk op GitHub, wat verder onderzoek en ontwikkeling op dit gebied stimuleert.
Als eerste diffusiemodel dat is ontworpen voor 3D semantische hersen-MRI-synthese, opent Med-DDPM nieuwe mogelijkheden voor AI-gestuurde medische beeldvorming, met name in gezondheidszorgomgevingen waar de middelen beperkt zijn. Med-DDPM werd zoals gemeld geïntroduceerd door een team van onderzoekers uit Taiwan, onder leiding van Dr. Furen Xiao van de National Taiwan University en Dr. Hsing-Kuo Pao van de National Taiwan University of Science and Technology.
Andere ontwikkelingen
Er wordt wereldwijd al geruime tijd gewerkt aan de ontwikkeling van nieuwe techbologieen om hersenen in kaart te brengen, en te begrijpen, met behulp van AI. Zo slaagden onderzoekers er vorig jaar in om GPT1, de voorloper van de AI-chatbot ChatGPT, te gebruiken om MRI-beelden te vertalen naar tekst, in een poging te begrijpen wat iemand denkt. Deze doorbraak stelde onderzoekers aan de Universiteit van Texas in Austin in staat om iemands gedachten te ‘lezen’ als een continue stroom van tekst, gebaseerd op wat ze aan het luisteren waren, wat ze zich voorstelden of aan het kijken waren.
En onderzoekers van Fraunhofer hebben eerder dit jaar een technologie ontwikkeld die gebruikmaakt van echografiesignalen om bepaalde gebieden in de hersenen gericht te kunnen stimuleren. Met behulp van een speciaal echografiesysteem, met 256 afzonderlijk regelbare transducers, kunnen individuele punten diep in de hersenen getarget worden om te stimuleren met geluidssignalen.
