Beweegt een patiënt tijdens een MRI-scan van de hersenen, dan is het beeld vaak onscherp. Het gevolg: onzekere diagnoses en scans die opnieuw moeten. Onderzoekers ontwikkelden daarom MoSAIK, een AI-techniek die de bewegingsverstoring achteraf uit de scan haalt — zonder extra metingen of speciale apparatuur.
Hoe MoSAIK werkt
MoSAIK staat voor Motion Search with Artificial Intelligence in K-space. De techniek is beschreven in een publicatie op arxiv.org.
Het grote verschil met bestaande methoden: MoSAIK heeft geen externe navigators, extra metingen of een bewegingsvrije referentiescan nodig. De techniek schat de rigide lichaamsbewegingen in het platte vlak direct vanuit de standaard multi-coil TSE k-ruimte — de ruwe data waaruit elke MRI-scan wordt opgebouwd. Bewegingen herkent het systeem door te kijken naar schendingen van de zelfconsistentie binnen die k-ruimte.
MoSAIK synthetiseert niet zomaar een 'gecorrigeerd' beeld. Het systeem voert de voorspelde bewegingsparameters in een modelgebaseerde, bewegingsbewuste reconstructie. Geselecteerde complexe spoelgegevens worden daarbij omgezet in fase- en log-magnitudekanalen. Een combinatie van een ontkoppelde convolutionele embedding en een Transformer-encoder schat vervolgens rotaties en tweedimensionale translaties, geïndexeerd op de fase-coderingslijnen.
🧠 Even simpel uitgelegd
Een MRI-scanner meet niet direct een foto, maar verzamelt ruwe meetdata: de k-ruimte. Pas na een wiskundige omrekening ontstaat het beeld van je hersenen. Als je beweegt tijdens de scan, klopt die ruwe data niet meer overal — net zoals een lang belichte foto wazig wordt als de camera schuift. MoSAIK is een AI die uit die ruwe data 'aftrekt' hoe de patiënt heeft beweegd, en die beweging vervolgens wiskundig corrigeert. Zo wordt de wazige scan alsnog scherp, zonder dat je opnieuw in de scanner hoeft.
Getest op echte scans
De onderzoekers testten MoSAIK op klinische scans die zonder beweging waren opgenomen, waarbij ze beweging kunstmatig simuleerden. De foutmarge bleef laag: bij rotatie een MSE van minder dan 0,2 deg², bij translatie minder dan 0,2 pixels². De Pearson-correlaties lagen op respectievelijk ongeveer 0,96 en 0,94.
Bij in-vivo tests lijd meer dan 75% van de plakjes (slices) een informatiewinst zien ten opzichte van reconstructies zonder correctie. MoSAIK vermindert zichtbare artefacten en behoudt tegelijk de anatomische details, concluderen de onderzoekers. Dankzij de Transformer-gebaseerde schatting van de bewegingsbaan is een snelle retrospectieve correctie van standaard klinische TSE-hersenscans mogelijk.
AI die beweging begrijpt
MoSAIK past in een bredere trend: AI die fysieke bewegingen omzet in bruikbare digitale data. Bureaus zoals design4real.de ontwikkelen immersieve XR-toepassingen waarin technologie en beweging samenkomen.
Ook in het onderzoek naar menselijke bewegingsherkenning speelt vergelijkbare technologie. Zo wordt er ook onderzoek gedaan naar menselijke bewegingsherkenning, zoals beschreven door springer.com. Dat onderzoek richt zich op bewegingsherkenning in plaats van medische beeldcorrectie, maar onderstreept dezelfde trend: Transformer-architecturen zijn steeds beter in het analyseren van complexe bewegingspatronen.
Voor de radiologie betekent dit concreet: minder herhaalde scans, snellere diagnoses en een efficiënter diagnostisch proces.