Deep Learning
De diepgaande leermethoden van het Deep Convolutional Neural Network (DCNN) kunnen grote hoeveelheden data verwerken via een netwerk van beslissingsknooppunten, of neuronen, en zijn bekend voor hun uitstekende prestaties in toepassingen voor beeldherkenning.
Deep Learning Reconstruction (DLR)
AiCE werd ontwikkeld om grote hoeveelheden beelden van hoge kwaliteit te verwerken met een geavanceerd MBIR-algoritme, maar bleek voor klinisch gebruik te rekenkundig te zijn. Dit proces leerde AiCE om het ware signaal te onderscheiden van de ruis. De resultaten werden bevestigd door een team van radiologen, medische fysici, AI wetenschappers, en klinische onderzoekers, die een snel, volledig opgeleid reconstructiealgoritme ontwikkelden geschikt voor klinisch gebruik.
De DCNN geeft aan welke methoden het best worden toegepast om de ruimtelijke resolutie en de lage ruis hinder in het geavanceerde MBIR-algoritme te handhaven. Hoe meer variaties in gegevens tijdens het onderzoek geleverd worden, des te beter zal het uiteindelijke algoritme zich presteren in termen van beeldkwaliteit en verwerkingssnelheid.
Het DCNN programmeert zichzelf naarmate het ervaring opdoet, om nauwkeuriger en efficiënter te worden bij elke nieuwe opdracht. Het onderzoek wordt gevolgd door een ingenieur met expertise in AI en DCNN, die sommige toepassingsvoorwaarden kan aanpassen om ervoor te zorgen dat topprestaties bereikt worden.
De software ondergaat vervolgens een belangrijke validatie, waarbij deze alleen wordt voorzien van gegevens van lage kwaliteit die op basis van nieuwe waarnemingen hersteld kunnen worden. De streefbeelden van hoge kwaliteit mogen bij het DCNN niet gekend zijn en worden door de AI-engineer gebruikt om de nauwkeurigheid en prestaties te evalueren op basis van verschillende metrieken voor de beeldkwaliteit. Na validatie wordt het neurale netwerk zodanig verwerkt met alle verzamelde kennis zodat een geavanceerde kwaliteitsreconstructie vanuit vrijwel elke variatie in patiëntgrootte en bestralingsdosis uitgevoerd kan worden.
Whitepaper
AiCE Deep Learning Reconstruction:
Bringing the power of Ultra-High Resolution CT to routine imaging
Kirsten Boedeker, PhD, DABR
Senior Manager, Medical Physics
Canon Medical Systems Corporation
Klick HIER om de whitepaper te downloaden
