Apresentador : Felipe Cabrera Ribeiro dos Santos
Filiação: DCM
Data: 15/06/2021
Horário: 14:00
às 18:00
Local: sala - modo remoto
Descrição: RESUMO:
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.