Identificação de ruídos em imagens de ressonância magnética funcional 7T usando inteligência artificial

• Processo: 23/10867-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2023
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências da Saúde - Medicina - Radiologia Médica
• Pesquisador responsável: Giovanni Guido Cerri
• Beneficiário: Mina Cintho Ozahata
• Instituição Sede: Faculdade de Medicina (FM). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 21/11905-0 - Centro de Ciência, Tecnologia e Desenvolvimento para inovação em Medicina e Saúde: inLab.iNova, AP.CCD
• Assunto(s): Inteligência artificial Ressonância magnética funcional
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | ressonância magnética funcional | Inteligência artificial

Resumo

A técnica de ressonância magnética funcional (fMR) permite estimar indiretamente a conectividade do cérebro, medindo a oscilação do sinal de ressonância magnética (RM) causada pelo aumento da concentração de oxigênio no sangue durante a atividade cerebral. A medida de conectividade entre as diferentes regiões do cérebro é baseada na análise da correlação entre as séries temporais do sinal em cada região, que oscila deacordo com a atividade cerebral. No entanto, existem outros fatores que podem causar a flutuação do sinal, como o próprio ruído fisiológico ou ruído eletrônico e instrumental causado pela aplicação de pulsos de radiofrequência (RF) e gradientes de campo magnético de alta amplitude. Nesta bolsa propomos a criação de uma solução que ajude o pesquisador a diminuir o ruído de sinais de fMRI em estado de repouso, a fim de discernir melhor entre sinal de ativação cerebral e ruído, levando a um aumento na sensibilidade e especificidade dos estudos de fMRI em estado de repouso de conectividade cerebral. Essa solução será baseada em um algoritmo de Inteligência Artificial (IA). Serão coletadas séries de imagens post-mortem e in vivo, com diferentes resoluções temporais e espaciais, de cérebros com diferentes tamanhos e diferentes faixas etárias, para criar uma biblioteca de imagens, estruturais e temporais. (AU)