Análise de pré-filtragem para a reconstrução de imagens de ressonância magnética em compressive sensing com informação a priori

Abstract

A ressonância magnética é uma técnica de imageamento médico pautada na utilização de gradientes magnéticos, frequentemente utilizada por ser segura e eficaz. Por proporcionar imagens de alta qualidade em que é possível aferir variadas informações sobre a condição do paciente, é comum utilizá-las para treinamento de algoritmos de Machine Learning e Deep Learning para classificação, bem como no estudo de processamento de imagens. Todavia, a principal limitação da ressonância magnética é o tempo de aquisição das medidas, em que o paciente fica imóvel durante todo o exame, sendo mais difícil para pessoas claustrofóbicas e crianças. Tendo em vista essas limitações, desde 1970 existem pesquisas para diminuir o tempo de aquisição e, atualmente, há vários estudos técnicas que utilizam poucas medidas para reconstruir imagens de ressonância magnética, como Compressive Sensing. O Compressive Sensing é uma metodologia de amostragem de sinais fundamentado na representação esparsa dos sinais e um domínio conhecido, sendo possível utilizar em conjunto com a pré-filtragem, uma vez que auxilia na esparsificação dos sinais. Além disso, também há estudos sobre Compressive Sensing e informação a priori, em que a informação a priori utiliza medidas anteriores para reconstruir o sinal futuro. Contudo, não foram encontrados estudos sobre o impacto de usar em conjunto pré-filtragem e informação a priori. Dessa forma, o objetivo desse trabalho é analisar como a pré-filtragem e informação a priori impactam na reconstrução em Compressive Sensing de imagens de ressonância magnética, bem como avaliar o comportamento de diferentes filtros para a pré-filtragem,vusando a SNR das imagens como métrica de comparação. Para tanto, os algoritmos de Compressive Sensing e pré-filtragem foram validados por meio da reconstrução do fantoma de Shepp-Logan e uma imagem de ressonância magnética de cabeça. Posteriormente, foi realizado um breve experimento com informação a priori reconstruindo sinais aleatórios no domínio 1d. Com todas as técnicas validadas, foram realizadas 55 reconstruções da mesma ima gem de cabeça utilizando apenas Compressive Sensing e pré-filtragem, com o objetivo de identificar os filtros que fornecem maior SNR, tendo como resultado os filtros de Daubachies de ordem 2 e Fejér-Korovkin de ordem 4. Para testar o comportamento dos filtros selecionados com outras imagens, foram usadas ressonâncias de abdômen, pélvis,coxas e pés, provenientes da base Visible Human Project. Em todas as reconstruções, a SNR foi maior utilizando informação a priori e o menor resultado de pré-filtragem foide Daubachies. Por conseguinte, no teste posterior, usou-se apenas os filtros de Haar e Fejér-Korovkin, que consiste na reconstrução de 40 imagens de cabeça diferentes, sem e com informação a priori. A reconstrução utilizando Haar e informação a priori obteve a maior média, 23, 2dB em contrapartida a de Fejér-Korovkin, 22, 8. Por fim, para ana lisar as médias obtidas dos resultados anteriores, aplicou-se testes estatísticos para os seguintes casos: Haar e Fejér-Korovkin sem informação a priori, Haar e Fejér-Korovkin com informação a priori e ganho utilizando Haar e Fejér-Korovkin. Para a ressonância magnética funcional, foi utilizado o conteúdo disponível no banco FBIRN, em que 10 frames foram reconstruídos utilizando os mesmos parâmetros da imagem anatômica. Conforme os resultados obtidos, foi possível concluir que utilizar informação a priori com pré-filtragem fornece maior SNR para a imagem final, contudo, o ganho não é muito acentuado para filtros que esparsificam mais a imagem, como foi notado para Haar. Assim, o ganho é maior para os filtros menos esparsificadores, como Daubachies e Fejér-Korovkin.