VoxelMorph: medizinische 3D-Scans in weniger als zwei Minuten

Ein Forscher-Team des MIT entwickelten einen maschinellen Lernalgorithmus, genannt VoxelMorph, welcher den Prozess der medizinischen Bildregistrierung von knapp zwei Stunden auf nur zwei Minuten reduziert.

Häufig kommen 3D-Scans sowie medizinische Bildregistrierung zum Einsatz, um beispielsweise Unterschiede von zwei MRT-Aufnahmen erkennen zu können. Dies ist für viele Ärzte oft ein unverzichtbares Hilfsmittel, da diese Bildregistrierung vor allem bei einer Langzeitüberwachung wichtig ist. Da Systeme diese Scans jedoch meist Pixel für Pixel anordnen müssen, dauert diese Registrierung oft bis zu zwei Stunden.

Um diesen Prozess zu beschleunigen, entwickelten Forscher des Massachusetts Institute of Technology (MIT) nun einen maschinellen Lernalgorithmus namens VoxelMorph. Mit dem Einsatz dieses Algorithmus’ ist es nun möglich beispielsweise Gehirnscans oder auch andere 3D-Bilder bis zu tausend Mal schneller zu registrieren. Somit verkürzt sich dieser Prozess von zwei Stunden auf nur wenige Minuten.

VoxelMorph lernt durch die Registrierung von Tausenden von Bildpaaren. Durch diesen Lernprozess erhält der Algorithmus Informationen zur Ausrichtung der Bilder und Scans und kann so in weiterer Folge optimale Ausrichtungsparameter abschätzen. Nachdem dieser Lernprozess abgeschlossen ist, kann VoxelMorph die erlernten Parameter zum Einsatz bringen, um “alle Pixel eines Bildes gleichzeitig einem anderen zuzuordnen”. Während dieser Prozess auf einem normalen Computer knappe zwei Minuten in Anspruch nimmt, beträgt diese Zeit mit einer GPU nur weniger Sekunden.

“Die Aufgaben der Ausrichtung einer MRT des Gehirns sollte nicht so anders sein, wenn Sie ein Paar MRTs des Gehirns ausrichten”, erklärt Guha Balakrishnan, Doktorand des MIT. “Es gibt Informationen, die Sie bei der Ausrichtung mitnehmen sollten. Wenn Sie etwas aus der vorherigen Bildregistrierung lernen können, können Sie eine neue Aufgabe viel schneller und mit der gleichen Genauigkeit ausführen.”

Betrieben wird VoxelMorph von einem für Bildregistrierung verwendeten Convolutional Neural Network (CNN). Trainiert wurde der Algorithmus, indem dieser mit 7.000 öffentlichen MRT-Gehirnscans gefüttert wurde. Um die Erfolge dieses Lernprozesses zu testen, wurden dem System weitere 250 Scans hinzugefügt. Diese Methode erfasst unter Verwendung einer CNN sowie einer modifizierten Berechnungsschicht, welche als räumlicher Transformator bezeichnet wird, Ähnlichkeiten von Voxeln zwischen zwei MRT Scans.

Diese neu erlernten, optimierten Parameter kann VoxelMoprh nun anwenden, um verbesserte sowie schnellere Ergebnisse bei der Analyse von MRT-Scans zu liefern. Einer der größten Vorteile bei dem Einsatz dieses Algorithmus ist die Tatsache, dass VoxelMorph ein “unbeaufsichtigter” Algorithmus ist und somit nichts weiterer als die Bilddaten selbst benötigt. Ebenso garantiert dieser Algorithmus eine reibungslose Registrierung, da weder Falten oder Löcher noch Verzerrungen in dem zusammengesetzten Bild erzeugt werden.

Nach Aussage der Forscher könnte VoxelMorph auch beispielweise während einer Operation genutzt werden, um Chirurgen ein klares Echtzeit-Bild über deren Fortschritte zu liefern.

“Heute können sie die Bilder während der Operation nicht wirklich überlappen, weil es zwei Stunden dauern wird, und die Operation läuft weiter”, Adrian Dalca, ein Postdoktorand am Massachusetts General Hospital in Boston “Wenn es jedoch nur eine Sekunde dauert, können Sie sich vorstellen, dass es machbar ist.”