Prévia gratuita · Módulo 3: Formação e reconstrução da imagem

Reconstrução iterativa, aprendizado profundo e filtros de reconstrução

Objetivos de aprendizagem
  • Descrever o princípio da reconstrução iterativa e diferenciar os métodos híbridos dos baseados em modelo.
  • Explicar como funciona a reconstrução por aprendizado profundo e quais cuidados ela exige.
  • Escolher o filtro de reconstrução (kernel) adequado a cada tecido, considerando o equilíbrio entre nitidez e ruído.

A retroprojeção filtrada resolveu o problema da reconstrução de forma rápida, mas tem um preço: quando a dose diminui, o ruído cresce rapidamente. Com o aumento do número de exames de TC e a preocupação com a dose populacional, os fabricantes passaram a oferecer métodos que extraem imagens de melhor qualidade de dados com menos fótons. Esta aula apresenta a reconstrução iterativa, a reconstrução por aprendizado profundo e o papel do filtro de reconstrução na aparência da imagem.

3.2.1O princípio da reconstrução iterativa

Na reconstrução iterativa, a imagem não é calculada em uma única passagem. O algoritmo segue um ciclo:

  1. parte de uma estimativa inicial da imagem (por exemplo, uma imagem uniforme ou o resultado da FBP);
  2. calcula as projeções que essa estimativa produziria se fosse examinada pelo tomógrafo (projeção direta, ou simulação da aquisição);
  3. compara essas projeções simuladas com as projeções realmente medidas;
  4. corrige a estimativa com base na diferença;
  5. repete o ciclo até que a diferença seja suficientemente pequena ou até um número definido de iterações.

A grande vantagem é que, em cada etapa, o algoritmo pode incorporar conhecimento adicional: a estatística do ruído (medidas com poucos fótons são menos confiáveis e recebem menor peso), a geometria real do sistema (tamanho do ponto focal, formato dos detectores) e restrições sobre a imagem (por exemplo, que tecidos homogêneos devem ter valores semelhantes). Com isso, é possível reduzir o ruído preservando as bordas.

3.2.2Métodos híbridos e baseados em modelo

Os métodos comerciais podem ser agrupados em duas famílias:

  • Iterativos híbridos (ou estatísticos): combinam a FBP com etapas iterativas de redução de ruído nos dados brutos e/ou na imagem. São rápidos o suficiente para a rotina e costumam oferecer níveis de intensidade (por exemplo, percentuais de mistura com a FBP ou níveis numerados).
  • Iterativos baseados em modelo: modelam de forma completa a física da aquisição (óptica do sistema, estatística dos fótons e dos detectores). Produzem as maiores reduções de ruído e melhoram a resolução espacial, mas exigem mais tempo de processamento.

Em intensidades altas, as imagens iterativas podem ter uma textura diferente da FBP, descrita como "plástica" ou "pintada", que alguns radiologistas estranham e que pode dificultar a detecção de lesões de baixo contraste muito pequenas. Por isso, a intensidade deve ser escolhida e validada para cada protocolo.

Gostou do estilo? O restante da aula e o curso inteiro são gratuitos.

Continue lendo grátis → criar conta

Sem mensalidade · Sem cartão para se inscrever · Acesso na hora