Espectroscopia por ressonância magnética (MRS) para quantificação GABA: compreendendo a representação por espectrograma para aperfeiçoar o treinamento de um modelo de reconstrução baseado em Deep-Learning

• Processo: 24/01294-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de junho de 2024
• Vigência (Término): 31 de dezembro de 2024
• Área do conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Leticia Rittner
• Beneficiário: Letícia Levin Diniz
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Aprendizado computacional Reconstrução de sinais
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Espectrograma | Espectroscopia por ressonância magnética | Reconstrução de sinais | Aquisição e Processamento de Sinais e Imagens

Resumo

A quantificação do Ácido Gama-aminobutírico (GABA) tem sido um tópico de interesse devido a importância desse neurotransmissor e sua ligação com diferentes doenças psiquiátricas. A espectroscopia por ressonância magnética (MRS) é o principal método para a medição in-vivo desse metabólito. No entanto, a aplicação de MRS para a quantificação do GABA requer a aquisição de múltiplos sinais de ressonância (transientes), os quais são processados para obter um espectro GABA-editado. Tipicamente, 320 transientes são adquiridos para a obtenção do espectro, o que implica em longas aquisições que são desconfortáveis ao paciente, custosas e de difícil planejamento. Da necessidade de conseguir obter um espectro GABA-editado de boa qualidade utilizando menos transientes, reduzindo assim consideravelmente o tempo de aquisição de dados, o desafio Edited-MRS Reconstruction Challenge propôs o uso de modelos de aprendizagem para a reconstrução do espectro utilizando apenas 80 transientes. O grupo vencedor apresentou o modelo SpectroViT, que utiliza como dado de entrada o espectrograma derivado da combinação dos transientes GABA-editados. Apesar da boa performance do SpectroViT, ainda não explorou-se o impacto das características do espectrograma em seu comportamento. Para uma melhor compreensão do dado de entrada e de como ele se relaciona com o modelo, esse trabalho visa entender como as características de aquisição presentes no espectro GABA-editado são representadas no domínio do espectrograma, e como pode-se aplicar tal conhecimento para aprimorar a performance do SpectroViT através de estratégias como data augmentation. Essa caracterização aprofundada a respeito do espectrograma de sinais GABA-editados é crucial para uma melhor compreensão do modelo proposto e dos fatores que influenciam sua eficácia, aspecto fundamental para avaliar suas possíveis aplicações clínicas.