Intensity-based deep learning for spion concentration estimation in MR imaging

Intensity-based deep learning for spion concentration estimation in MR imaging

SPION

MRI

Aprendizaje profundo cuantificación

620

Ingeniería

Tesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2022

Las Nanopartículas de oxido de cobre (SPION por sus siglas en inglés), son usadas en aplicaciones médicas y en resonancia magnética, como un agente de contraste en el diagnóstico de cáncer, entre otras aplicaciones. Dado su alto paramagnetismo, SPION producen fuertes efectos de fuera de resonancia y consecuentemente artefactos en la imagen. Existen métodos de para estimar el mapa de campo y, por tanto, la concentración, para efectos de fuera de resonancia bajos. Estos métodos están basados en la fase de la imagen, por ejemplo, tomando la diferencia de dos adquisiciones con tiempos de eco distintos. Sin embargo, para efectos fuertes, la señal decae rápidamente y la fase se vuelve poco fidedigna y en muchos casos inútil. En este trabajo proponemos un nuevo método para cuantificar la concentración de SPION desde la magnitud o intensidad de la imagen. Explotamos el hecho que la intensidad, bajo la presencia de fuera de resonancia, cambia en función de los parámetros de adquisición. En particular, proponemos usar un par de imágenes adquiridas con diferente polaridad, y la diferencia de estas imágenes va a codificar la posición y localización de SPION. Usamos una red neuronal para extraer la información sobre esta diferencia. La red toma como entrada la diferencia del volumen 3D y produce la concentración de SPION. La arquitectura consiste en una red 2D tipo U-net usando los filtros como la tercera dimensión. Fue entrenada en imágenes simuladas (NMSE: 0.3838). Probamos nuestro método en un fantoma numérico de mama (NMSE: 0.7355), y en fantomas (tubos y naranjas) adquiridos en una máquina de 7T.

Biase, Alberto di

2022-11-23T14:09:52Z

2022-11-23T14:09:52Z

2022

Irarrázaval Mena, Pablo

Pontificia Universidad Católica de Chile. Escuela de Ingeniería

acceso abierto

x, 23 páginas

application/pdf

en

tesis de maestría

10.7764/tesisUC/ING/65669

https://doi.org/10.7764/tesisUC/ING/65669

https://repositorio.uc.cl/handle/11534/65669