伦敦大学国王学院使用AI模型加速合成大脑3D影像的创建

2021-08-12 21:27

伦敦大学国王学院（King’s College London）与其合作的医院和大学一起公布了关于合成大脑项目（Synthetic Brain Project）的新细节。该项目是英国最强大的超级计算机——Cambridge-1 上的首批项目之一。

合成大脑项目的重点是建立可以合成人类大脑人工3D核磁共振（MRI）影像的深度学习模型。这些模型可以帮助科学家了解人类大脑在不同年龄、性别和疾病状态下的模样。

这些AI模型由伦敦大学国王学院和NVIDIA的数据科学家及工程师共同开发。这项研究属于伦敦医学影像与AI中心 Value-Based Healthcare 项目的一部分，并且得到了英国研究与创新署和Wellcome旗舰计划的资助。

开发此类AI模型的目标是帮助基于大脑核磁共振扫描的神经系统疾病诊断。这些模型还可用于预测大脑疾病的发展进程，从而进行预防性治疗。

使用合成数据还有一个好处：能够保护患者的隐私，并使伦敦大学国王学院能够向整个英国医疗行业开放这项研究。如果没有 Cambridge-1，AI模型的训练时间将会长达几个月而不是现在的几周，所得到的影像质量也不会如此清晰。

伦敦大学国王学院和NVIDIA的研究人员使用 Cambridge-1 中的多个GPU将模型扩展到必要的规模，然后采用一项被称为超参数调整的流程来大幅提高模型的精度。

伦敦大学国王学院人工医学智能高级讲师Jorge Cardoso表示：“Cambridge-1通过加速合成数据的生成，使国王学院的研究人员能够了解不同因素对大脑、解剖学和病理学的影响。我们可以让我们的模型生成几乎无限的数据并指定年龄和疾病，这样就能够开始解决一些问题，例如疾病如何影响大脑以及大脑何时可能存在异常。”

NVIDIA Cambridge-1 超级计算机的出现为像合成大脑项目这样的开创性研究带来了新的可能性并可用于加速数字生物学在疾病、药物设计和人类基因组方面的研究。

作为世界上速度最快的50台超级计算机之一，Cambridge-1 以80个DGX A100系统为基础，集成了NVIDIA A100 GPU、BlueField-2 DPU 以及 HDR InfiniBand网卡。

伦敦大学国王学院正在使用NVIDIA的硬件和由PyTorch支持的开源MONAI软件框架，并将CuDNN和Omniverse用于其合成大脑项目。MONAI是一个免费且获得社区支持，基于PyTorch的医疗影像领域深度学习框架；CUDA深度神经网络库（cuDNN）是一个GPU加速的深度神经网络库；而Omniverse是一个用于虚拟协作和实时模拟的开放平台。伦敦大学国王学院刚刚开始用它来实现大脑的可视化，以此帮助医生更好地了解大脑疾病的形态和病理。

随着深度学习架构效率的不断提高以及硬件方面的改进，研究者能够创建出复杂、高纬度的高分辨率医学立体数据模型。矢量量化变分自动编码器（VQ-VAE）可用于实现高效生成式无监督学习方法，通过对影像进行编码大幅压缩初始大小，同时保留解码的保真度。

伦敦大学国王学院使用受VQ-VAE启发并且经过3D优化的网络对全分辨率的大脑立体影像进行高效的编码，将数据压缩到原始大小的1%以下，同时保持影像的保真度，超过了之前的最高技术水平。

（由伦敦大学国王学院和NVIDIA AI模型生成的合成健康人脑）

在使用VQ-VAE对影像进行编码后，可以通过一个针对数据体积特性和相关序列长度进行优化的长程变换器模型来学习潜在空间。数据的三维性质所引起的序列长度需要建立巨大的模型，而Cambridge-1提供的多GPU和多节点缩放功能使之成为可能。

通过从这些大型转换器模型中取样并将目标临床变量（如年龄或疾病等）设置为条件，就可以生成新的潜在空间序列并使用VQ-VAE解码为立体大脑影像。Transformer AI模型所采用的注意力机制可以对输入数据的每个部分的重要性进行不同的权衡并用于理解这些序列的长度。

创建与现实生活中的神经放射学研究极为相似的生成式大脑影像有助于理解大脑如何形成、创伤和疾病对大脑所产生的影响以及如何帮助大脑恢复。使用合成数据代替真实患者数据解决了数据访问和患者隐私方面的问题。伦敦大学国王学院合成大脑生成项目中的代码和模型均开放源代码。NVIDIA为合成大脑项目所基于的Fast-transformers 项目的开源做出了贡献，进一步提高了该项目的性能。