Mózgu żywego człowieka nie da się po prostu obejrzeć tak, jak ogląda się dłoń, zdjęcie twarzy albo zmianę na skórze. Jest ukryty pod czaszką. Jeśli chcemy zobaczyć jego kształt, śledzić chorobę, porównać pacjenta z grupą zdrowych osób albo sprawdzić, które obszary różnią się między ludźmi, trzeba najpierw zamienić mózg w obraz. Robi się to metodami takimi jak rezonans magnetyczny czy tomografia komputerowa. Nie pokazują one bezpośrednio mózgu, lecz tworzą mapę sygnałów, z której dopiero komputer składa trójwymiarowy obraz.

Taki obraz nie jest zwykłą fotografią. To przestrzenna mapa wnętrza głowy. Składa się z milionów małych elementów objętościowych, czyli wokseli — trójwymiarowych odpowiedników pikseli. Każdy woksel ma swoje położenie i wartość sygnału. To z nich, zależnie od użytej metody obrazowania, można odczytywać anatomię: granice struktur, kształt kory mózgowej, położenie jąder podkorowych, zmiany chorobowe albo przebieg połączeń nerwowych.

Pojedynczy obraz rzadko wystarcza. Lekarz chce wiedzieć, czy zmiana w mózgu pacjenta rośnie, maleje, uciska albo przemieszcza sąsiednie tkanki. Neurobiolog chce porównać mózgi wielu osób i sprawdzić, które struktury są większe, mniejsze albo inaczej połączone. Badacz tworzący atlas mózgu musi zebrać wiele obrazów i ułożyć je we wspólnym układzie odniesienia. W każdym z tych przypadków nie wystarczy mieć dane. Trzeba jeszcze umieć je na siebie nałożyć.

Takie dopasowywanie nazywa się rejestracją obrazów. W najprostszej wersji można sobie wyobrazić przesunięcie i obrót jednego obrazu tak, aby pasował do drugiego. W praktyce to za mało. Mózg nie jest sztywną bryłą i różnice lokalne sprawiają, że dopasowanie wymaga nie tylko przesunięć i obrotów, ale także lokalnych odkształceń. Komputer musi więc wyznaczyć całe pole drobnych zmian - trójwymiarową instrukcję, jak odkształcić jeden obraz, żeby odpowiadał drugiemu bez utraty sensu anatomicznego.

To zadanie jest bardzo kosztowne obliczeniowo. Obraz mózgu w 3D może zawierać dziesiątki milionów wokseli. Dla każdego z nich trzeba zachować informację o położeniu, jasności i możliwym przesunięciu, a podczas uczenia sieci neuronowej także wiele pośrednich wyników obliczeń. Im dokładniejszy obraz, tym szybciej rośnie zapotrzebowanie na pamięć karty graficznej. Dlatego badacze często muszą iść na kompromisy: zmniejszać rozdzielczość, przycinać dane, ujednolicać rozmiary obrazów albo używać bardzo drogiego sprzętu.

W artykule opublikowanym w czasopiśmie naukowym Scientific Reports międzynarodowy zespół z udziałem Michała Byry z Instytutu Podstawowych Problemów Techniki PAN w Warszawie zaproponował metodę PatchMorph. Zgodnie z nią komputer nie musi za każdym razem obejmować całego trójwymiarowego mózgu naraz. Może patrzeć na fragmenty, ale tak, aby nie stracić wiedzy, gdzie te fragmenty znajdują się w całości.

PatchMorph zaczyna od skali zgrubnej, obejmującej duży obszar w mniejszej rozdzielczości, a potem przechodzi do coraz mniejszych i dokładniejszych fragmentów. To trochę jak oglądanie mapy: najpierw kraj, potem region, miasto, ulica. Szczegóły mają sens, bo cały czas wiadomo, gdzie leżą w większej całości.

Metoda pracuje w rzeczywistej przestrzeni współrzędnych. Dzięki temu może lepiej radzić sobie z danymi, które w praktyce często mają różne rozmiary, rozdzielczości i orientacje. To szczególnie ważne w obrazowaniu medycznym i biologicznym, gdzie dane rzadko są idealnie ujednolicone. W testach opisanych w pracy trenowanie klasycznej sieci transformerowej na obrazach o rozmiarze 256 na 256 na 256 wokseli wymagało około 40 gigabajtów pamięci GPU. Po zastosowaniu PatchMorph zapotrzebowanie spadało poniżej 10 gigabajtów, przy zachowaniu jakości dopasowania. Przy takich wartościach zaawansowana analiza obrazów mózgu może stać się dostępna dla znacznie szerszej grupy laboratoriów, nie tylko tych wyposażonych w specjalistyczny sprzęt obliczeniowy.

Badacze sprawdzili metodę na obrazach MRI ludzkiego mózgu oraz mikroskopowych obrazach mózgów marmozet, czyli małych małp szerokonosych z Ameryki Południowej. PatchMorph osiągał jakość porównywalną z najlepszymi metodami, a przy tym dobrze kontrolował geometryczną poprawność deformacji. To bardzo ważne, bo obraz można zawsze dopasować, ale wynik nie będzie wiarygodny, jeśli struktury zaczną się zawijać lub przecinać w sposób niemożliwy anatomicznie. W praktyce oznacza to, że coraz dokładniejsze obrazy mózgu nie muszą automatycznie zamieniać się w coraz trudniejsze do użycia pliki. Mogą pozostać bogatym źródłem informacji, zamiast stać się obciążeniem dla komputerów.

PatchMorph pokazuje, że postęp w badaniach mózgu nie zależy wyłącznie od silniejszych skanerów i większych mikroskopów. Równie ważne są efektywne metody, które pozwalają wydobyć sens z danych już zapisanych w pamięci komputera, bez konieczności rezygnowania ze szczegółów, które mogą okazać się najważniejsze.

Krzysztof Petelczyc (PAP)

kmp/ bar/