MORSE: Multiple Orthogonal Reference Sensitivity Encoding

Stel je voor dat je een groepsfoto probeert te maken van een enorme menigte, maar je camera is kapot en kan slechts een klein fragment van de scène tegelijk vastleggen. Als je gewoon een foto van dat fragment maakt, valt de rest van de mensen buiten het beeld, en als je de fragmenten later probeert aan elkaar te naaien, kunnen de mensen aan de randen eruitzien alsoals ze zijn gedubliceerd of vreemd gevormd. Dit is de dagelijkse strijd van Magnetic Resonance Imaging (MRI) wanneer wetenschappers beelden van de hersenen super snel willen maken. Om een helder beeld in een hartslag te krijgen, moeten ze "ondergesamplede" foto's maken, waarbij ze wat gegevens overslaan om tijd te besparen. Maar dit laat het uiteindelijke beeld eruitzien als een rommelige puzzel met spookachtige duplicaten van de kenmerken van de hersenen.

Om deze puzzel op te lossen, gebruikt een MRI-machine een team van "oren" (ontvanger-spoelen) die naar de radiogestuurde signalen luisteren die uit het lichaam komen. Elk oor hoort het signaal iets anders, afhankelijk van waar het zit. Door deze verschillende perspectieven te vergelijken, kan een computer achterhalen waar het signaal daadwerkelijk vandaan kwam en de chaos ontwarren. Het doen van deze wiskunde is echter als het tegelijkertijd proberen op te lossen van een miljoen kleine Rubik's kubussen. Het duurt meestal zo lang dat je uren moet wachten op je foto, wat te traag is voor zaken als het in realtime bekijken van hoe de hersenen denken, of voor patiënten die niet stil kunnen liggen. De grote vraag in dit veld is: Kunnen we deze puzzelstukjes snel genoeg ontwarren om de hersenen werkend te zien, zonder dat het beeld wazig wordt of vol ruis zit?

Maak kennis met MORSE (Multiple Orthogonal Reference Sensitivity Encoding), een nieuwe methode ontwikkeld door onderzoekers aan University College London die fungeert als een superintelligente, razendsnelle puzzeloplosser.

Het Probleem: De Spookachtige Dubbelbelichting

Wanneer MRI-scans worden versneld, raakt het beeld "gealiaseerd". Denk hierbij aan een slechte fotokopie waarbij de randen van het papier ombuigen en overlappen. Als je een hoofd scant, kunnen de oren om de kop heen krullen en binnen de hersenen verschijnen, of lijkt de achterkant van de nek in het voorhoofd te zweven. Om dit op te lossen, moet de computer precies weten hoe gevoelig elk van zijn "oren" is op elk punt in de hersenen.

Oudere methoden probeerden deze gevoeligheid te raden door eerst eerst een aparte, trage, hoogwaardige "referentie"-foto te maken. Maar deze referentiefoto komt vaak niet perfect overeen met de snelle foto, vooral bij de zeer hoge magnetische velden (7 Tesla) die worden gebruikt in geavanceerd onderzoek. Het is alsof je een wazige foto probeert te herstellen met een kaart van een andere stad; de details komen niet overeen en de oplossing faalt. Andere methoden probeerden slim te zijn door naar patronen in de gegevens te kijken, maar die waren ofwel te traag om realtime bruikbaar te zijn, of ze maakten het beeld zo ruizig dat het leek op statische ruis op een oude televisie.

De MORSE-oplossing: Een Team van Virtuele Detectives

Het MORSE-team realiseerde zich dat ze, in plaats van te vertrouwen op een enkele, perfecte kaart, de gegevens de regels direct tijdens het proces konden laten leren. Ze bouwden een systeem dat in drie slimme stappen werkt:

1. Het Virtuele Detectiveskwadron: In plaats van alle fysieke "oren" (spoelen) direct te gebruiken, groepeert MORSE ze eerst in een kleiner team van "virtuele spoelen". Stel je voor dat je een koor van 64 zangers neemt en hun stemmen samenvoegt tot 8 afzonderlijke, superkrachtige harmonieën. Dit maakt de wiskunde veel sneller omdat de computer minder stemmen hoeft te volgen.
2. De Flexibele Lens: De oude methoden gingen ervan uit dat de gevoeligheid van de spoelen vloeiend en voorspelbaar was, zoals een zachte heuvel. Maar bij hoge snelheden en hoge magnetische velden kan de gevoeligheid snel veranderen, als een grillige bergketen. MORSE gebruikt een "flexibele lens" (een wiskundige smoothing kernel) die kan in- en uitzoomen. Het kijkt naar een kleine nabijheid van pixels om de gevoeligheid te bepalen, waardoor het die grillige, snelle veranderingen kan verwerken zonder in de war te raken.
3. De Multi-View Strategie: Dit is het geheime ingrediënt. Soms is een enkel punt in het beeld eigenlijk een mix van twee verschillende dingen (zoals een hersensignaal en een vet-signaal, of een signaal dat van de andere kant van het hoofd is omgevouwen). Oude methoden probeerden deze gemengde signalen in één enkel antwoord te dwingen, wat vaak mislukte. MORSE zegt echter: "Laten we een paar verschillende mogelijkheden openhouden." Het schat voor elk punt meerdere gevoeligheidskaarten in. Het is alsof je een detective hebt die niet alleen één verdachte raadt, maar een shortlist van drie of vier mogelijkheden bijhoudt en controleert welke het beste bij het bewijs past. Dit stelt het in staat om complexe overlappingen te ontwarren die andere methoden als rommelige spoken achterlaten.

Wat ze vonden: Snel, Helder en Klaar voor Realtime

De onderzoekers testten MORSE op echte menselijke hersenen bij zowel 3 Tesla (standaard hoog veld) als 7 Tesla (ultra-hoog veld) scanners. Ze vergeleken het met de standaardinstrumenten die door MRI-fabrikanten worden gebruikt (GRAPPA) en twee andere geavanceerde open-source tools (ESPIRiT en LORAKS).

De resultaten waren opmerkelijk. Wanneer de andere methoden probeerden de "spookachtige" overlappende beelden te herstellen, faalden ze vaak. GRAPPA liet zichtbare artefacten (geesten van de oren in de hersenen) achter, en ESPIRiT, hoewel beter in het verwijderen van de geesten, maakte het beeld zo korrelig en ruizig dat het moeilijk was om iets te zien. LORAKS produceerde heldere beelden maar had een lange rekentijd (soms meer dan twee uur), waardoor het onbruikbaar was voor alles wat in realtime gebeurt.

MORSE produceerde daarentegen beelden die significant duidelijker en robuuster waren, hoewel de exacte kwaliteit afhangt van het afstemmen van de instellingen voor de specifieke scan.

• Snelheid: Het was ongelooflijk snel. Voor een complexe 7 Tesla-scan duurde de reconstructie van de afbeelding met MORSE ongeveer 24 seconden. Ter vergelijking: ESPIRiT duurde meer dan 15 minuten, en LORAKS bijna 2 uur.
• Kwaliteit: De beelden waren scherper en helderder. In tests waarbij het gezichtsveld te klein was om het hele hoofd te bevatten (een veelvoorkomend probleem bij snelle scans), slaagde MORSE erin om de omgevouwen oren en nek te ontwarren zonder de hersenen in statische ruis te veranderen. Hoewel de optimale instellingen voor het verwijderen van artefacten kunnen variëren afhankelijk van het specifieke deel van de hersenen dat wordt gescand, behaalde MORSE consequent hoogwaardige resultaten met minimale ruis over een breed scala aan instellingen.
• Real-Time Ready: Omdat het zo snel is, kan MORSE draaien terwijl de patiënt nog in de scanner ligt. Dit betekent dat artsen en onderzoekers de hersenactiviteit kunnen zien terwijl deze plaatsvindt, in plaats van uren te wachten op wat er is gebeurd.

Waarom het ertoe doet

Het artikel suggereert dat MORSE een flexibele, robuuste tool is die werkt voor verschillende soorten hersenscans, of het nu gaat om structuur (hoe de hersenen eruitzien) of functie (wat de hersenen doen). Het handelt de lastige wiskunde van snelle beeldvorming af zonder een supercomputer nodig te hebben, wat het mogelijk maakt om het op standaard ziekenhuishardware te draaien.

De onderzoekers hebben de code voor MORSE beschikbaar gesteld aan iedereen als een open-source bibliotheek. Dit betekent dat in plaats van te wachten op dure, trage of imperfecte oplossingen, wetenschappers en ziekenhuizen nu een methode kunnen gebruiken die de MRI-puzzel snel en helder ontwart, wat de weg vrijmaakt voor snellere, hoogwaardige hersenbeeldvorming voor iedereen. Het verandelt een trage, wazige gok in een snel, helder beeld, waardoor we de hersenen in actie kunnen zien zoals nooit tevoren.