麻省理工學院的研究人員設計了一種方法，可以加快創建和自定義醫學圖像分析中使用的模板的過程，以指導疾病診斷。

醫學圖像分析的一種用途是處理患者醫學圖像的數據集并捕獲可能指示疾病進展的結構關系。在許多情況下，分析需要使用稱為“圖集”的通用圖像模板，該模板是給定患者群體的平均代表。地圖集用作比較的參考，例如確定隨時間變化的腦結構的臨床顯著變化。

構建模板是一個耗時，費力的過程，通常需要幾天或幾周才能生成，尤其是在使用3D腦部掃描時。為了節省時間，研究人員經常下載研究小組先前生成的可公開獲得的地圖集。但是，這些不能完全捕捉單個數據集或特定亞群的多樣性，例如患有新疾病或來自幼兒的那些。最終，無法將圖集平滑地映射到離群值圖像上，從而產生較差的結果。

麻省理工學院研究人員描述了一種自動機器學習模型，該模型可以根據特定的患者屬性(例如年齡，性別和疾病)生成“條件”圖譜。通過利用整個數據集中的共享信息，該模型還可以從數據集中可能完全缺失的患者亞群中合成圖集。