Implementação e Análise Comparativa de Reconstrução de Imagens de Ressonância Magnética Utilizando Redes Adversárias Generativas
Ressonância Magnética; GAN; Reconstrução; Subamostrado; Inteligência Artificial.
Redes Generativas Adversárias (GANs) são um modelo de inteligência artificial amplamente utilizado no processamento de imagens. Neste trabalho, aborda-se o uso dessa ferramenta para auxiliar na reconstrução de imagens de ressonância magnética obtidas a partir de dados de bobina única subamostrados.
A GAN foi utilizada para melhorar as métricas de qualidade das imagens reconstruídas a partir de dados subamostrados, com diferentes trajetórias, que apresentavam distorções por não respeitarem o Teorema da Amostragem de Nyquist-Shannon.
No treinamento do algoritmo, foram usadas imagens com distorção como entrada da GAN e imagens típicas de ressonância magnética como referência. Os testes foram realizados alimentando o modelo treinado com imagens obtidas a partir de dados subamostrados e, em seguida, extraindo métricas como o índice de similaridade estrutural e a relação sinal-ruído das imagens produzidas.
Foram obtidos aumentos de até 100% no índice médio de similaridade estrutural e até 128,74% na relação sinal-ruído média (Teste 78). Os resultados alcançados são similares aos de outros modelos que utilizaram o mesmo conjunto de dados e superam outros modelos GAN nesse aspecto.