Nuevo método para la obtención de imágenes TAC libres de endurecimiento de haz vía aprendizaje automático

• C. Martínez ^[1] ; C. F. Del Cerro ^[2] ; M. Desco ^[4] ; M. Abella ^[3]
  1. [1] Universidad Carlos III de Madrid

     Universidad Carlos III de Madrid

     Madrid, España

     
  2. [2] Instituto de Investigación Sanitaria Gregorio Marañón

     Instituto de Investigación Sanitaria Gregorio Marañón

     Madrid, España

     
  3. [3] Centro Nacional de Investigaciones Cardiovasculares Carlos III

     Centro Nacional de Investigaciones Cardiovasculares Carlos III

     Madrid, España

     
  4. [4] Centro de investigación en red en salud mental (CIBERSAM), Madrid, España

  Mostrar afiliaciones +
• Localización: XXXVIII Congreso Anual de la Sociedad Española de Ingeniería Biomédica. CASEIB 2020: Libro de actas / Roberto Hornero Sánchez (ed. lit.), Jesús Poza Crespo (ed. lit.), Carlos Gómez Peña (ed. lit.), María García Gadañón (ed. lit.), 2020, ISBN 978-84-09-25491-0, págs. 439-442
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • El endurecimiento de haz es un efecto mediante el cual la energía media de un haz de rayos X se incrementa a medida que atraviesa un material. Este efecto provoca dos tipos de artefactos en la imagen reconstruida: cupping, en muestras homogéneas y bandas negras, entre zonas densas de muestras heterogéneas. Los métodos de corrección propuestos en la literatura se pueden dividir en métodos de post-proceso, los cuales necesitan de varias reconstrucciones y proyecciones extra basadas en una segmentación de una reconstrucción preliminar. Esta segmentación puede no ser óptima en adquisiciones con baja dosis, limitando la calidad de la imagen final. Se han propuesto métodos de reconstrucción iterativos como alternativa para corregir los artefactos de endurecimiento de haz en adquisiciones de baja dosis, incluyendo modelos de ruido y de fuente policrómatica, pero suponen un aumento considerable del tiempo de ejecución. En este trabajo se propone un nuevo método para la obtención de imágenes sin artefactos de endurecimiento de haz en tomografía axial computarizada basado en técnicas de aprendizaje profundo, usando la red neuronal U-Net. El método se ha evaluado en dos escenarios, de alta y baja dosis, resultando en una corrección óptima en ambos