深度学习人工智能扫描心脏血流

在英国杂志《自然机器智能》 13日发表的一项医学和人工智能(AI)研究中，瑞士科学家引入了一种人工智能系统，该系统可以在几秒钟内扫描心血管血流。这种深入学习模型有望使临床医生在患者接受磁共振成像扫描时实时观察血流变化，从而优化诊断工作流程。

四维(4D)核磁共振扫描可用于重建心血管血流随时间变化的特征，对心血管疾病的诊断具有重要意义。然而，这些扫描通常需要20分钟的处理时间，这意味着在扫描过程中不能进行进一步的成像评估。加速这种扫描可以在患者接受扫描的同时完成实时评估，不仅可以节省临床医生的时间，还可以减少患者的不适。

这一次，苏黎世瑞士联邦理工学院的研究员瓦莱里维斯纳维斯奇和他的同事开发了一种深度学习的人工智能模型，可以在几秒钟内重建通过心脏的四维血流。研究小组用11个扫描病例训练了一个神经网络，发现该网络能够准确重建正常患者和血流异常患者的主动脉血流，准确率与传统方法一致。

目前，人工智能系统可以在大约20秒内重建一次扫描，比目前最先进的传统方法快30倍，比以前的深度学习方法快4.2倍。

深度学习网络是机器学习中一种基于数据的表示学习方法，也称为人工神经网络。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理和记忆信息来处理信息。如今，深度学习网络越来越多地用于生物数据分析自动化。深度学习模型的挑战之一是它们的“黑箱”性质，这意味着在执行任务时不容易识别模型的过程。科学家们相信，除了利用深度学习帮助人类推进其医疗事业，他们还可以研究深度学习模型识别和处理分析数据的能力，以帮助研究人员更好地理解这些数据背后的生物学。

总编辑圈

神经网络太神经了，可以下棋，可以回答问题，可以识别人脸，还可以加快看电影的速度。核磁共振成像经常不舒服。病人经常在狭窄的空间里呆上几十分钟不动，直到清晰的图像一点一点地显示在电脑屏幕上。医生们也希望加快这一过程，这样核磁共振成像就能像b超一样产生实时图像。今天，依靠人工智能，计算机已经将无数的数据和经验转化为人类无法企及的洞察力，并立即做出了艰苦的努力。