Estimación de información faltante en imágenes de resonancia magnética

Abstract

The sources of noise in magnetic resonance are multiple and varied, the artifacts by movement and the spatial limitation of the captor are the best known. The best documented problem is the so-called partial volume, which consists of the fact that due to the spatial limitation of the captor, the limit between two different tissues is stored as a weighted signal between the two tissues.[3]. Medical diagnostic techniques have changed in recent years, one of the most widely used are radiological images due to its easy acquisition and sufficient information contained in the tissue studied, however the acquisition protocols are limited and the images obtained lose information important for diagnosis [12]. These deficiencies in the acquisition of information limits the radiologist and impairs the diagnosis and study of some diseases [46]. Magnetic resonance imaging (MRI) is widely used in medicine nowadays, yet a significant disadvantage is the amount of artifacts that affect the image during the acquisition process. As an example, Cardiac Magnetic Resonance (CMR) requires synchronization with the ECG to correct many types of noise. However, the complex heart motion frequently produces displaced slices that have to be either ignored or manually corrected since the ECG correction is useless in this case. This work presents a novel methodology that detects the motion artifacts in CMR using a saliency method that highlights the region where the heart chambers are located. Once the Region of Interest (RoI) is set, its center of gravity is determined for the set of slices composing the volume. The deviation of the gravity center is an estimation of the coherence between the slices and is used to find out slices with certain displacement. Another type of acquisition technique that is affected by the missing information is the Diffusion imaging (dMRI) is a magnetic resonance technique widely used to study the withe matter architecture and to understand their changes. The spatial resolution of brain diffusion weighted imaging (DWI) is limited due to high frequency of the image and brain structures like edges or bifurcations when the data are captured. In this approach the main idea is improved the spatial resolution using a dictionary learning strategy and for this way use the statistical dependence between different gradients of the same image for create a prior that improve the resolution. In the present work it has been different validation methods in order to made automatic detection and the increase resolution of abnormalities using probabilistic information estimation of the medical images.

Abstract: Las fuentes de ru´ıdo en resonancia magn´etica son m´ultiples y variadas, los artefactos por movimiento y la limitaci´on espacial del captor constituyen las m´as conocidas. El problema mejor documentado es el denominado vol´umen parcial que consiste en que por la limitaci´on espacial del captor, el l´ımite entre dos tejidos distintos se almacena como una se˜nal ponderada enre los dos tejidos [3].Las t´ecnicas de diagn´ostico m´edico han variado en los ´ultimos a˜nos, una de las m´as usadas son las im´agenes radiol´ogicas debido a su f´acil adquisici´on y la suficiente informaci´on que contienen del tejido estudiado , sin embargo los protocolos de adquisici´on son limitados y las im´agenes obtenidas pierden informaci´on importante para el diagn´ostico [12]. Estas deficiencias en la adquisici´on de la informaci´on limita al radi´ologo y perjudica el diagn´ostico y estudio de algunas enfermedades [46]. La resonancia magn´etica (RM) se usa ampliamente en la medicina hoy en d´ıa, pero una desventaja importante es la cantidad de artefactos que afectan la imagen durante el proceso de adquisici´on. Por ejemplo la resonancia magn´etica card´ıaca (CMR) requiere la sincronizaci´on con el ECG para corregir muchos tipos de ruido. Sin embargo, el complejo movimiento del coraz´on con frecuencia produce cortes desplazados que deben ignorarse o corregirse manualmente ya que la correcci´on de ECG es in´util en este caso. Este trabajo presenta, entre otros, una metodolog´ıa novedosa que detecta los artefactos de movimiento en la CMR utilizando un m´etodo de prominencia que resalta la regi´on donde se ubican las c´amaras del coraz´on. Una vez que se establece la Regi´on de inter´es (RdI), su centro de gravedad se determina para el conjunto de cortes que componen el volumen. La desviaci´on del centro de gravedad es una estimaci´on de la coherencia entre los cortes y se utiliza para descubrir los cortes con cierto desplazamiento. Otra im´agen radiol´ogica que tambi´en se ve afectada por p´erdida de informaci´on, son las im´agenes de resonancia magn´etica por difusi´on, ampliamente utilizadas para estudiar la arquitectura de la materia y comprender sus cambios. La resoluci´on espacial de la imagen ponderada por difusi´on cerebral (DWI, por sus siglas en ingl´es) est´a limitada debido a la alta frecuencia de la imagen y las estructuras cerebrales como bordes o bifurcaciones cuando se capturan los datos. En este enfoque, la idea principal es mejorar la resoluci´on espacial mediante una estrategia de aprendizaje de diccionario y, de este modo, utilizar la dependencia estad´ıstica entre diferentes gradientes de la misma imagen para que mejore la resoluci´on. En el siguiente trabajo se realizaron diferentes validaciones para la detecci´on autom´atica de anormalidades haciendo uso de estimadores probabil´ısticos, todo ello para tener como resultado la detecci´on autom´atica de anormalidades y el incremento de resoluci´on en diferentes modalidades de im´agenes m´edicas.