Otimização e análise através de deep learning para imagens por ressonância magnética baseadas no movimento incoerente dos spins aplicadas em tumores cerebrais

• Processo: 21/10961-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2021
• Data de Término da vigência: 30 de novembro de 2022
• Área de conhecimento: Ciências da Saúde - Medicina - Radiologia Médica
• Pesquisador responsável: Renata Ferranti Leoni
• Beneficiário: Lucas Murilo da Costa
• Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Assunto(s): Radiologia Aprendizagem profunda Redes neurais (computação) Neuroimagem Tecidos biológicos Imagem por ressonância magnética
• Palavra(s)-Chave do Pesquisador: Deep Learning | Imagem por Ressonância Magnética | Intravoxel Incoherent Motion | tumor cerebral | Neuroimagem

Resumo

As imagens por ressonância magnética (IRM) se destacam por seu caráter não invasivo e por proporcionar diferentes mecanismos de contraste, podendo assim realçar diferentes características dos tecidos biológicos. Um desses mecanismos de contraste se baseia no movimento dos spins tanto pelo processo de difusão quanto de perfusão. Um método de imagem ponderado em difusão chamado Intravoxel Incoherent Motion (IVIM) utiliza gradientes de campo magnético de diferentes intensidades para restringir o movimento de difusão dos átomos. Assim, por meio de modelos de análise do sinal medido, é possível separar as contribuições intra- e extra-vasculares do movimento, que pode ser útil para o entendimento de diversas doenças, como demências, acidente vascular cerebral e tumores. O presente projeto visa o processamento e a análise de imagens de IVIM, de sujeitos saudáveis e pacientes com tumor cerebral, a fim de determinar parâmetros otimizados de aquisição e obter mapas quantitativos mais robustos. Por meio de modelos de Deep Learning, pretendemos criar redes neurais e treina-las com dados de sujeitos saudáveis, auferindo a sua capacidade de estimar estes mapas quantitativos para pacientes com tumor cerebral. Visamos também encontrar o conjunto mínimo de dados para processamento de modo que seja possível apontar para uma otimização do protocolo de aquisição. Apesar de os modelos de aprendizagem profunda estarem se mostrando úteis para o processamento de imagens de IVIM, ainda não há trabalhos que exploram tumores cerebrais. (AU)