IA corrige imagens de ressonância magnética corrompidas por movimento
As imagens de ressonância magnética (MRI) são conhecidas por sua capacidade de fornecer um contraste excepcional de tecidos moles, seu principal diferencial para outras modalidades de imagem, como raios-X ou tomografias computadorizadas. Essas imagens de alta qualidade têm sido instrumentais para ajudar os profissionais de saúde a avaliar, diagnosticar e monitorar várias condições médicas. No entanto, há uma ressalva – as imagens de MRI são incrivelmente sensíveis ao movimento. Mesmo o menor movimento durante uma varredura pode resultar em artefatos problemáticos, que por sua vez podem justificar diagnósticos imprecisos. Isso é especialmente problemático em pacientes que não podem ficar imóveis, como crianças e indivíduos com distúrbios psiquiátricos, ou no estudo de doenças que provocam movimentos involuntários.
Um trabalho apresentado em agosto por pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) promete ser uma ajuda importante nesse sentido. Juntando modelagem baseada em física com inteligência artificial, eles desenvolveram um sistema que cria imagens livres de movimento a partir de dados corrompidos, tudo isso sem alterar o procedimento de varredura de MRI em si.
O que torna essa abordagem combinada verdadeiramente significativa é sua ênfase na manutenção da coerência entre a imagem de saída e as medições reais do objeto. Isso garante que o modelo de aprendizado profundo não gere o que os especialistas chamam de “alucinações” – imagens que parecem reais, mas são física e espacialmente imprecisas. Tais imprecisões poderiam ter consequências graves para diagnósticos médicos.
Além de melhorar os resultados dos pacientes, essa pesquisa tem o potencial de reduzir significativamente os custos de saúde, já que imagens de baixa qualidade atualmente implicam em nova realização do exame.
As perspectivas para o avanço dessa linha de pesquisa são muito interessantes. Além de resolver casos involuntários de movimento, pesquisadores imaginam que no futuro será possível utilizar a técnica para estudar tecidos em movimento, algo hoje impossível.
Fonte: iaexpert.academy
