由脸书和纽约大学研究人员合作的FastMRI计划，最新研究不只可以将磁共振成像（MRI）扫描的速度提升10倍，同时还能以深度学习解决图像伪影的问题，提高整体图片品质。他们找来放射科医师进行盲测，证实新技术所产生的图片，可以在保持细节的条件下，产生更少伪影的MRI图像。
研究人员提到，深度学习要从较少的原始数据产生高精准的MRI扫描图像时，通常会出现带状或是条纹状的伪影，这些伪影会干扰或是遮盖图像的细节，虽然一般人很难注意到伪影的存在，但是对于需要识别图像中微小变化的专业放射科医师，则会产生很大的影响。
纽约大学Langone Health放射科学教授Michael P. Recht表示，在他们查看由人工智能加速产生的MRI图像时，发现了明显水平条纹伪影，会大幅降低图像品质，且可能盖住病征。
为了解决这些问题，FastMRI研究团队利用对抗训练技术来产生深度学习模型，该模型从经加速的MRI扫描获取原始数据，并产生不含伪影的准确MRI图像。在对抗学习中，训练目标会增加额外的损失函数，以鼓励模型以某种方式骗过对抗网络，而在FastMRI这个案例，目标则是要预测带状纹路的朝向。
在训练过程中，借由在重建前后随机调换输入的数据，可以产生水平和垂直的带状条纹，而同时训练对抗网络和重建模型，随着重建结果获得改进，对抗网络也会逐渐适应，直到最后没有条纹产生。
FastMRI计划可以加快MRI的扫描速度，减少患者在扫描设备中的时间，研究人员表示，图像伪影一直是人工智能加速MRI的主要问题，所以这项研究的进展，可以帮助FastMRI计划更接近临床实例，而且这项研究具有广泛的使用性，可以用在任何充分采样的真实数据以及重建模型上。
另外，现在世界上普遍还是使用较低强度磁体的MRI扫描设备，这些设备会产生更多具有带状伪影的图像，而FastMRI研究团队的这项新研究，将可以产生更好地重建结果，并加快设备的扫描速度。