Новости всё Hi-Tech - iCity.life Архангельск

Компьютерная томография, МРТ, УЗИ. Мы все привыкли к тому, что эти машины — и доктора — вглядываются в наши тела по целому ряду причин. Это оборудование помогает диагностировать заболевания, определять травмы или дает будущим родителям возможность взглянуть на своего ребенка. За последние полвека сила вычислений буквально перевернула мир и позволила параллельно развивать способности таких систем компьютерной визуализации. То, что раньше показывалось как двумерные «срезы», стало собираться в трехмерные конструкции в высоком разрешении. Неподвижные картинки прошлого сегодня показывают бьющееся сердце в режиме реального времени. Прогресс был поистине революционным.

Отличаясь в деталях, рентгеновская компьютерная томография, УЗИ и даже МРТ имеют много общего. Изображения, полученные с помощью каждой из этих систем, производятся в процессе элегантного взаимодействия датчиков, физики и вычислений. Они работают не как цифровой фотоаппарат, в котором данные захватываются с помощью датчика и практически идентичны производному изображению. Совсем нет: сырые данные, собранные томографом, МРТ-машиной или ультразвуковой системой, проходят серьезную обработку, прежде чем станут похожи на изображения, по которым врач сможет что-то определить. Сложные алгоритмы помогают собрать Шалтая-Болтая по частям.

Хотя мы используем рентгеновские лучи в некоторых передовых методах визуализации, на самом деле рентгеновское сканирование восходит к концу 1800-х годов. Тенеподобный контраст на рентгеновских изображениях, или проекциям, показывает плотность материала между источником рентгеновских лучей и датчиком данных. (В прошлом использовали кусок рентгеновской пленки, но сегодня обычно используют цифровой детектор). Плотные объекты, например, кости, поглощают и рассеивают намного больше рентгеновских фотонов, чем кожа, мышцы или другие мягкие ткани, которые проявляются более темными на снимках.

В начале 1970-х была разработана технология компьютерной томографии (CAT, Computerized Axial Tomography). Вместо того чтобы делать только один рентгеновский снимок под одним углом, система CAT поворачивает рентгеновские источники и детекторы, собирая много изображений под разными углами — этот процесс известен как томография.

Сложность метода заключается том, чтобы собрать все эти данные, со всех рентгеновских лучей и всевозможных углов, и заставить компьютер правильно собрать их в трехмерные снимки, скажем, руки человека. Проблема была в математическом решении, над которым работал австрийский математик Иоганн Радон в 1917 году, и которое позже заново открыл американский физик Аллан Кормак в 1960-х. Используя работу Кормака, Годфри Хаунсфилд, английский инженер-электрик первым продемонстрировал рабочий томограф в 1971 году. За свою работу над CAT Кормак и Хаунсфил были удостоены Нобелевской премии в области медицины в 1979 году.

До недавних пор эти методы обработки были более или менее устоявшимися с 70-х и 80-х годов. Но теперь дополнительные медицинские нужды — и более мощные компьютеры — приводят к серьезным переменам. Наблюдается рост интереса к КТ-системам, которые минимизируют рентгеновское облучение, выдавая качественную картинку с меньшим количеством снимков. В дополнение к этому, некоторые применения вроде сканирования груди накладывают физические ограничения на то, сколько доступа может получить к телу тепловизор. Такое сканирование можно провести с ограниченных точек вокруг субъекта. Что приводит к развитию систем «томосинтеза», в которых ограниченные данные интерпретируются компьютерами с образованием более полных снимков.

Подобные проблемы возникают в контексте сканирования земли на предмет обнаружения объектов — вроде загрязняющих веществ, мин или месторождений нефти — скрывающихся у нас под ногами. Во многих случаях все, что мы можем, это посылать сигналы с поверхности или просверлить несколько отверстий для забора проб. Системы сканирования в аэропортах ограничены по времени и средствам, так что такие рентгеновские системы могут делать лишь несколько снимков.

В этих и многих других областях мы сталкиваемся с меньшим количеством общих данных, что означает, что математический подход Кормака-Хаунсфилда не будет работать должным образом для формирования изображений. Усилия, направленные на решение этих проблем, привели к возникновению новой области исследований, «вычислительного зондирования», в котором датчики, физика и компьютеры собираются вместе и «воспитываются» совершенно по-новому.

Иногда это включает применение компьютерных вычислений большей мощности к тем же данным. В других случаях аппаратные инженеры проектируют оборудование в тесном сотрудничестве с математиками, выясняя, как лучше анализировать имеющиеся данные. Вместе эти системы могут обеспечить новые возможности, которые обещают привести к серьезным изменениям во многих областях исследований.

Одним из примеров такого потенциала является биооптика — использование света для глубокого проникновения в тайны человеческого тела. В то время как видимый свет не проникает глубоко в ткани, любой, кто закрывал лазерную указку пальцем, знает, что красный свет проникает минимум на пару сантиметров. Инфракрасный свет может пробиться еще глубже в ткани человека. Это открывает совершенно новые способы сканирования тела, отличные от рентгена, МРТ или УЗИ.

Но опять же, необходима вычислительная мощность, чтобы перейти от снимков к единому трехмерному изображению отсканированных частей тела. Правда, расчеты взаимодействия инфракрасного света с тканями в таком случае будут куда сложнее, чем для рентгеновских лучей.

И это значит, что нам нужен совершенно другой метод, отличный от созданного Кормаком, в котором рентгеновские данные, можно сказать, прямо превращались в снимки плотности тела. Теперь ученые работают на алгоритмом, который запускает процесс снова и снова, скармливая результаты одной итерации в качестве вводных данных для следующей.

Процесс начинается с предоставления компьютеру возможности угадать изображение оптических свойств исследуемой области тела. Затем он использует компьютерную модель, чтобы рассчитать, какие данные сканера выдали бы такое изображение. Вряд ли вас удивит, что первая догадка компьютера вряд ли будет хорошей: вычисленные данные не соответствуют фактическому сканированию.

Когда такое происходит, компьютер возвращается назад и уточняет свою догадку на тему изображения, пересчитывает данные и снова сравнивает их с результатами фактического сканирования. Хотя этот алгоритм гарантирует, что совпадение будет более высоким, он не гарантирует идеальный результат. Поэтому процесс продолжается и компьютер генерирует все более хорошие варианты. Со временем они становятся только лучше: компьютер выдает данные, которые все больше соответствуют данным, собранным настоящим сканером. Когда совпадение становится достаточно высоким, алгоритм выдает финальное изображение как результат, достойный изучения врача или другого профессионала.

Новые пределы этого типа исследований только начинают открывать. За последние 15 лет ученые изучили много возможных применений инфракрасного света, например, для обнаружения рака молочной железы, функциональной визуализации мозга и поиска новых лекарств. Сочетание «больших данных» и «большой физики» требуют тесного взаимодействия биомедиков, математиков и врачей.