宾夕法尼亚大学的工程师们开发了一种开源算法，将人工智能的速度与几何学的精度相结合，能够快速、准确地比较复杂的医学图像，帮助检测随时间推移可能指示疾病进展或治疗反应的细微变化。这个名为FireANTs（快速、可解释、鲁棒的ANTs）的开源工具是对现有ANTs（高级归一化工具）算法的优化。FireANTs使用深度学习（神经网络）来近似最优的图像配准（“变形”），其计算速度比ANTs快100-1000倍（将配准时间从一周缩短到几分钟）。与ANTs相比，FireANTs在将磁共振成像（MRI）扫描与标准图谱进行配准时，也表现出相似的准确性（戴斯相似系数（DSC）为0.85-0.95）。FireANTs可被用于在医学图像（磁共振成像（MRI）、计算机断层扫描（CT））中检测因疾病（如多发性硬化症（MS）、阿尔茨海默病（AD））或治疗导致的随时间推移的细微变化。
图像配准
图像配准是将不同时间（或不同受试者）的医学图像（如磁共振成像（MRI）、计算机断层扫描（CT））进行空间对齐的过程。这对于量化疾病进展（例如，阿尔茨海默病（AD）中的海马萎缩）或评估治疗反应（例如，肿瘤缩小）至关重要。
ANTs算法
高级归一化工具（ANTs）是一种用于图像配准的开源软件包。ANTs使用对称归一化（SyN），一种基于几何的优化算法。ANTs被认为是医学图像配准的“金标准”，但其计算量很大。
FireANTs算法
FireANTs是一种新型图像配准算法，它使用深度学习（神经网络）来近似最优的变形场。该算法被称为“前馈”，这意味着它无需进行耗时的迭代优化即可快速生成配准结果。FireANTs的计算速度比ANTs快100-1000倍。
主要发现
1. 速度
FireANTs将图像配准时间从一周（使用ANTs）缩短到几分钟。
2. 准确性
在将磁共振成像（MRI）扫描与标准图谱进行配准时，FireANTs的戴斯相似系数（DSC）为0.85-0.95，与ANTs相当。
临床意义
1. 精准医疗
FireANTs可被用于随时间追踪个体患者的疾病进展（例如，多发性硬化症（MS）中的脑萎缩、阿尔茨海默病（AD）中的海马萎缩）。
2. 临床试验
在临床试验中，FireANTs可用于量化治疗反应（例如，肿瘤缩小）。
未来方向
-
与其他模态的结合：将FireANTs应用于其他医学图像模态（如计算机断层扫描（CT）、正电子发射断层扫描（PET））。
-
手术指导：将FireANTs用于手术指导（例如，将术前磁共振成像（MRI）与术中超声（US）进行配准）。
-
3D打印：将FireANTs用于3D打印患者的特定解剖模型。
结论
宾夕法尼亚大学的工程师们开发了FireANTs算法，这是一种开源的图像配准工具，其计算速度比现有方法快100-1000倍。 FireANTs可被用于在医学图像中检测因疾病或治疗导致的随时间推移的细微变化。