Reconstrução de imagens de ressonância magnética com dados esparsos através de inteligência artificial

• Ano de defesa: 2021
• Autor(a) principal: Santos, Felipe Cabrera Ribeiro dos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Dados esparsos; Espaço k; Image reconstruction; Imageamento por ressonância magnética; Inteligência artificial; k-space; Magnetic resonance imaging; Reconstrução de imagens; Sparse data
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-30072021-180614/

A modalidade de imagens por ressonância magnética nuclear (magnetic resonance imaging - MRI) tem tomado um papel cada vez mais relevante na medicina moderna, apesar dos custos desse tipo de exame permanecerem altos quando comparados aos custos decrescentes de outros exames de imagens. Apesar dos esforços e investimentos em tecnologias, a redução dos custos desses exames ainda é modesta nos últimos anos. Esta proposta de pesquisa estudou a reconstrução de imagens por MRI com dados subamostrados no espaço de frequências (espaço K) através da inteligência artificial (IA), reduzindo o tempo de exame e consequentemente os custos. Este estudo comparou a viabilidade e eficiência desse método em diferentes porcentagens de sub-amostragem. Para isso, foram usados dados brutos de ressonância magnética, os quais foram subamostrados no espaço K, com isso, reduzindo o número de informações da imagem. Em seguida, através de técnicas de IA, como Deep Learning (DL), a imagem esparsa foi passada por um processo de reconstrução. Neste trabalho foi utilizada uma técnica de divisão da imagem em linhas e colunas separadas e trabalhadas como sequências únicas. Tais sequências foram usadas como entrada para uma rede neural e reconstruídas para formar a sequência original, antes da subamostragem. Por fim, foi usado um algoritmo para juntar tais sequencias e formas as novas linhas e colunas da imagem reconstruída. Os resultados de tal processo foram comparados com a imagem original, analisando a eficiência da imagem obtida através de medidas quantitativas da qualidade das imagens reconstruídas, no caso, o índice de similaridade estrutural (stuctural similarity index measure - SSIM) e erro quadrático médio (mean squared error - MSE), para as diferentes ponderações de subamostragens no espaço K. Assim, com esse estudo, foi possível obter um método mais eficaz que o método convencional, reduzindo o tempo necessário para esse processo.