Implementação e análise comparativa de reconstrução de imagens de ressonância magnética utilizando redes adversárias generativas

Abstract

Redes generativas adversárias (GANs) são um modelo de inteligência artificial muito usado no processamento de imagens. Neste trabalho sera abordado o uso dessa ferramenta no auxílio a reconstrução de imagens de ressonancia magnática feitas com dados de bobina unica sub-amostrados. A GAN foi usada para melhorar as mátricas de qualidade das imagens reconstruídas com diferentes trajetárias, e que apresentavam distorçães por não respeitarem o teorema da amostragem de Nyquist-Shannon. Testes sao realizados alimentando o mo delo treinado com imagens feitas com dados sub-amostrados e então gerando novas imagens aprimoradas. O modelo gerador da GAN recebe imagens feitas com dados sub-amostrados e tenta criar imagens aprimoradas baseadas em imagens típicas de ressonancia magnática, enquanto o modelo discriminador da GAN recebe as imagens geradas e as imagens típicas e tenta adivinhar quais são verdadeiras e quais sao falsas. A cada ápoca os dois modelos se refinam baseando-se no veredito do discriminador, melhorando a qualidade das imagens geradas. Por fim, são extraídas mátricas das imagens produzidas como índice de similari dade estrutural e relaçao sinal ruído. Foram obtidos aumentos de atá 100% no índice de similaridade estrutural mádio e de atá 128,74% na relação sinal ruído mádia (Teste 78). Os resultados obtidos se equiparam a resultados de outros modelos que usaram o mesmo conjunto de dados e superaram outros modelos GANs nesse mesmo aspecto.