Debido al crecimiento acelerado de los equipos de Resonancia Magnética para el diagnostico médico (MRT), se hace necesario implementar sistemas rigurosos de Aseguramiento y Control de la Calidad (CAC), ya que del buen funcionamiento de los mismos, depende la buena interpretación de las imágenes (MRI), un diagnostico médico acertado y la mejor conducta a seguir por los especialistas. En la actualidad las distintas asociaciones dedicadas al CAC de estos equipos tienen divergencias en la forma de calcular o estimar algunos descriptores del funcionamiento del MRT como es el caso de la Relación Señal-Ruido (RSR). En el presente trabajo se implementó una herramienta basada en el reconocimiento del comportamiento de este descriptor empleando Redes Neuronales Artificiales (RNA). Los resultados obtenidos demuestran la validez del enfoque empleado y muestran un camino efectivo para dar solución al problema planteado
Due to the rapid growth of magnetic resonance equipment for medical diagnosis (MRT), is necessary to implement rigorous systems of Assurance and Quality Control (CAC) because of the proper functioning of the equipment, depends the proper interpretation of imaging (MRI), a successful medical diagnosis and the best action to take by specialists. At the present there are multiple associations dedicated to CAC and they have differences on how to calculate or estimate some of MRT Performance descriptors such as the Signal to Noise Ratio (SNR). In this work we implemented a tool based on the recognition of the behavior of this descriptor using Artificial Neural Networks (RNA), The results demonstrate the validity of this approach and show an effective way to solve the problem
© 2001-2024 Fundación Dialnet · Todos los derechos reservados