華盛頓大學(xué)的研究團(tuán)隊(duì)正在為傳統(tǒng)的磁共振成像儀注入基于GPU的深度學(xué)習(xí)技術(shù)，從而能夠以更低的醫(yī)療成本獲得更詳細(xì)的血管造影成像，造福更多的低收入患者。

本文為介紹NVIDIA 2018年度全球影響力大獎(jiǎng)（NVIDIA’s 2018 Global Impact Award）四位入圍者的系列文章之一。NVIDIA每年都會(huì)頒發(fā)20萬美元，以獎(jiǎng)勵(lì)利用NVIDIA技術(shù)在解決社會(huì)、人道主義與環(huán)境問題上取得突破性進(jìn)展的研究人員。

近年來，磁共振成像儀的升級(jí)版——磁共振血管造影機(jī)（MRA），也隆重登臺(tái)。MRA設(shè)備功能強(qiáng)大，能夠生成更詳細(xì)的血管圖像，因此能夠檢測到動(dòng)脈瘤及其他危及生命的病情。

如今，研究人員將深度學(xué)習(xí)引入MRI數(shù)據(jù)，以模擬MRA設(shè)備的結(jié)果。其研究成果有望降低醫(yī)療成像的成本，同時(shí)讓醫(yī)院能夠獲得最新的技術(shù)、以及最佳的成像質(zhì)量。對(duì)于那些無法負(fù)擔(dān)MRA儀器高昂成本的醫(yī)院，尤其是遠(yuǎn)在農(nóng)村地區(qū)或新興市場的醫(yī)院，這無疑成了它們的福音。

華盛頓大學(xué)眼科學(xué)助理教授Aaron Lee及其團(tuán)隊(duì)對(duì)深度學(xué)習(xí)模型進(jìn)行了訓(xùn)練，使其能夠基于MRI和OCT（光學(xué)相干斷層掃描）儀器的單次結(jié)構(gòu)化圖像進(jìn)行推理，從而分別進(jìn)行血管造影成像。

Lee表示，采用AI技術(shù)進(jìn)行醫(yī)療影像合成的研究在業(yè)界也是頗具開創(chuàng)性的，諸多血管疾病的病情評(píng)估也能夠得以更廣地應(yīng)用。

“只要拍一張照片就能從中做出推斷，這樣的創(chuàng)想真令人難以置信，”Lee在談到新技術(shù)推動(dòng)舊儀器發(fā)展時(shí)這樣說道。

成像應(yīng)用中的AI

研究人員使用算法在OCT和OCTA圖像之間、以及MRI和MRA圖像之間進(jìn)行映射，這些工作均有賴于GPU加速的深度學(xué)習(xí)才得以實(shí)現(xiàn)。

華盛頓大學(xué)研究團(tuán)隊(duì)所用的方法還有望應(yīng)用于醫(yī)學(xué)圖像庫，這將更加易于各類疾病的篩查。

憑借這一成就，Lee及其團(tuán)隊(duì)成功入圍NVIDIA 2018年度全球影響力大獎(jiǎng)（Global Impact Award），同時(shí)入圍的還有其他三支團(tuán)隊(duì)。該獎(jiǎng)項(xiàng)每年都會(huì)頒發(fā)20萬美元，以獎(jiǎng)勵(lì)利用NVIDIA技術(shù)在解決社會(huì)、人道主義與環(huán)境問題上取得突破性進(jìn)展的研究人員。

成像應(yīng)用中的GPU

華盛頓大學(xué)的團(tuán)隊(duì)擁有近2TB的數(shù)據(jù)，但缺乏相應(yīng)的運(yùn)算能力來運(yùn)行其算法。 Lee表示，使用CPU需要數(shù)年時(shí)間才能完成數(shù)據(jù)集的處理任務(wù)。

應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域的深度學(xué)習(xí)不斷進(jìn)展，諸多領(lǐng)域都受益于GPU的應(yīng)用，研究人員得以開始處理其數(shù)據(jù)集。該團(tuán)隊(duì)采用了Pascal架構(gòu)的NVIDIA GPU來大幅加速大型深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

“GPU讓我們能夠快速完成深度學(xué)習(xí)所需的代數(shù)運(yùn)算，”Lee說道。

華盛頓大學(xué)的研究人員還采用了配備NVIDIA Tesla P100 GPU加速器的服務(wù)器。

2018年度全球影響力大獎(jiǎng)的其他入圍者還包括普林斯頓大學(xué)、麻省總醫(yī)院和馬拉加大學(xué)的研究團(tuán)隊(duì)。NVIDIA將于太平洋時(shí)間3月26日至29日在硅谷舉辦的GPU技術(shù)大會(huì)上揭曉2018年度全球影響力大獎(jiǎng)的獲獎(jiǎng)?wù)摺?/p>