‎Ottieni immagini SNR elevate con Deep Learning Reconstruction‎

Deep Learning Reconstruction (DLR)

‎AiCE è stato addestrato su grandi quantità di immagini MRI ad alto SNR ricostruite con un algoritmo avanzato che è troppo computazionalmente intensivo per l’uso clinico. Questa formazione ha insegnato ad AiCE a distinguere il vero segnale dal rumore. I risultati sono stati convalidati da un team di radiologi, fisici medici, scienziati di intelligenza artificiale e ricercatori clinici, producendo un algoritmo di ricostruzione veloce e completamente addestrato pronto per l’uso clinico.‎

‎Il DCNN apprende quali metodi sono meglio applicati per mantenere la risoluzione spaziale e le proprietà a basso rumore contenute nelle immagini MR SNR elevate. Più variazioni di dati vengono forniti durante l’allenamento, migliori saranno le prestazioni dell’algoritmo finale in termini di qualità dell’immagine e velocità di elaborazione.‎

‎Il DCNN essenzialmente si programma mentre impara, per diventare più preciso e più efficiente con ogni nuova attività di allenamento. La formazione è monitorata da un ingegnere con esperienza in AI e DCNN, che può variare alcune condizioni operative per garantire il raggiungimento delle massime prestazioni.‎

‎Il software viene quindi sottoposto a un’importante validazione, in cui viene fornito solo dati di bassa qualità da ricostruire in base a ciò che ha appreso. Le immagini di destinazione di alta qualità non devono essere note al DCNN e vengono utilizzate dall’ingegnere AI per valutare l’accuratezza e le prestazioni in base a varie metriche di qualità dell’immagine. Una volta convalidata, la rete neurale viene avvolta al massimo delle prestazioni in cui contiene tutte le conoscenze necessarie per eseguire una ricostruzione avanzata e di qualità praticamente da qualsiasi variazione delle dimensioni del paziente‎.

‎Rimuove in modo intelligente il rumore‎

‎Le immagini seguenti dimostrano la sottrazione del rumore dalla stessa immagine originale utilizzando un filtro convenzionale rispetto ad AiCE. Con il filtro convenzionale sono state rimosse alcune informazioni anatomiche necessarie insieme al rumore, AiCE identifica in modo intelligente il rumore dall’immagine originale grazie agli algoritmi di deep learning‎.

‎AiCE migliora la robustezza dell’imaging parallelo‎

‎AiCE consente la riduzione del rumore al centro dell’immagine che è direttamente correlato alle tecniche di imaging parallelo. AiCE può ridurre in modo adattivo il rumore non uniforme descritto dal fattore g nell’imaging parallelo‎.