GE医疗借助AWS构建首个全身3D MRI模型，实现更精准的医学影像解析

磁共振成像能够提供出色的组织对比和空间分辨率，但其采集过程相对耗时。为了解决这一问题，研究者们正致力于开发能够加速磁共振成像速度的新方法。借助大型语言模型 (LLM) 进行 MRI 重建，能够克服传统 2D 磁共振成像的局限性，同时利用深度学习技术实现更高效的图像重建，尤其是在神经影像、心脏成像和骨骼肌肉成像领域。

参考资料：生成式 AI 驱动医学成像：Midjourney 的 MRI 版本

近日，通用电气（GE HealthCare）在 AWS re:Invent 大会上展示了一种利用 AI 技术加速 3D MRI 扫描的新型深度学习模型 (FM)。该模型旨在将 MRI 扫描转变为能够提供高分辨率 3D 图像的快速流程。通过利用包含 173,000 个数据集和 19,000 个 3D 扫描的数据集，该模型旨在改善图像质量，从而实现更准确的诊断并缩短扫描时间。

通用电气医疗的这项创新技术正在与麻省总医院布莱根医院 (Mass General Brigham) 合作进行评估，他们正在测试该模型在临床环境中的性能。通用电气医疗的科学家 Parry Bhatia 解释说，通过结合先进的加速和重建技术，能够改进工作流程并为患者带来更好的体验。

这项技术的重点在于加快 3D MRI 扫描的速度。通用电气医疗利用其 AIR Recon DL 平台，结合深度学习图像重建技术，旨在加速 MRI 扫描，同时提高图像质量，从而将扫描时间最多缩短 50%。此外，3D MRI 扫描可以提供更精细的解剖结构信息，并改善疾病检测和诊断，进而为医疗机构带来更高的效率。

在图像质量方面，该技术旨在减少“模糊外观”，使医生能够获得更清晰的图像，从而进行更准确的评估。此外，它还利用扩散模型 - 一种生成式人工智能形式 - 来减少噪声伪影，从而获得更高质量的图像。

为了保证数据隐私和符合相关法规，通用电气医疗使用了 Amazon SageMaker 平台，该平台利用 GPU 加速计算资源来保证数据安全和模型训练。此外，所有的数据都符合 HIPAA 安全标准，确保了该技术在医疗领域的合规性。

总而言之，这项技术革新有望显著提升 MRI 扫描的效率，帮助医生获得更高质量的图像，从而为患者提供更好的诊断效果。未来，这一模型有可能进一步改进临床工作流程、提高诊断准确性。