skip to main content
Idioma:
Tipo de recurso Mostra resultados com: Mostra resultados com: Índice

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

Santos, Felipe Cabrera Ribeiro Dos

Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto 2021-06-15

Acesso online. A biblioteca também possui exemplares impressos.

  • Título:
    Reconstrução de imagens de ressonância magnética com dados esparsos através de inteligência artificial
  • Autor: Santos, Felipe Cabrera Ribeiro Dos
  • Orientador: Murta Junior, Luiz Otavio; Salmon, Carlos Ernesto Garrido
  • Assuntos: Inteligência Artificial; Dados Esparsos; Espaço K; Reconstrução De Imagens; Imageamento Por Ressonância Magnética; Magnetic Resonance Imaging; K-Space; Artificial Intelligence; Image Reconstruction; Sparse Data
  • Notas: Dissertação (Mestrado)
  • Descrição: 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.
  • DOI: 10.11606/D.59.2021.tde-30072021-180614
  • Editor: Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto
  • Data de criação/publicação: 2021-06-15
  • Formato: Adobe PDF
  • Idioma: Português
Links
Voltar para lista de resultados
Ir para página anteriorAnterior Resultado  10 AvançarIr para próxima página

  • Realização: ABCD-USP USP   Logos de Redes Sociais: Freepik

Buscando em bases de dados remotas. Favor aguardar.