فرایند اسکن MRI بسته به پروتوکلهای به کار رفته و نوع عضو، از چند دقیقه تا یک ساعت متغیر است. حتی در سریعترین اسکنها، حرکات جزئی میتوانند تصاویر حاصل را تا حد زیادی مخدوش کنند. همانطور که در دوربین عکاسی ، حرکت منجر به تاری موضعی می شود، حرکت در طول اسکن MRI نیز می تواند باعث ایجاد آرتیفکتهایی شود که کل تصویر را خراب میکند. برخی از بیماران را ممکن است بیهوش کنند تا حرکت را بتوان کنترل کرد، اما این راه حلها همیشه امکان پذیر نیست، به ویژه در گروههای خاص مانند کودکان، افراد مسن یا افرادی که درد شدید دارند یا کاملا هوشیار نیستند و حتی بیماران مبتلا به اختلالات روانپزشکی و …
محققان MIT (کمبریج، MA، ایالات متحده) با ایجاد یک مدل یادگیری عمیق جدید که میتواند حرکت را در اسکنهای MRI مغز تصحیح کند، از پس این چالش برآمدهاند. این روش مدلسازی مبتنی بر فیزیک را با تکنیکهای یادگیری عمیق ترکیب میکند و امکان ساخت تصویری بدون حرکت از دادههای خراب، بدون نیاز به تغییر فرآیند اسکن واقعی را فراهم میکند.
درخشش این رویکرد ترکیبی، توانایی آن برای اطمینان از سازگاری بین تصویر تولید شده و اندازهگیریهای فیزیکی واقعی چیزی است که به تصویر کشیده میشود. اگر این تعادل حفظ نشود، مدل می تواند “توهم hallucinations” ایجاد کند. تصاویری که واقعی به نظر می رسند اما از نظر فیزیکی و مکانی نادرست هستند. این می تواند حتی به تشخیص های گمراه کننده تر منجر شود. استفاده از MRI عاری از آرتیفکتهای حرکتی نه تنها نتایج بیمار را بهبود می بخشد، بلکه پیامدهای گسترده ای نیز دارد، به ویژه برای بیماران مبتلا به اختلالات عصبی که باعث حرکات غیرارادی مانند آلزایمر یا بیماری پارکینسون می شوند.