dc.contributorIrarrázaval Mena, Pablo
dc.contributorPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.creatorBiase, Alberto di
dc.date.accessioned2022-11-23T14:09:52Z
dc.date.available2022-11-23T14:09:52Z
dc.date.created2022-11-23T14:09:52Z
dc.date.issued2022
dc.identifier10.7764/tesisUC/ING/65669
dc.identifierhttps://doi.org/10.7764/tesisUC/ING/65669
dc.identifierhttps://repositorio.uc.cl/handle/11534/65669
dc.description.abstractLas Nanopartículas de oxido de cobre (SPION por sus siglas en inglés), son usadas en aplicaciones médicas y en resonancia magnética, como un agente de contraste en el diagnóstico de cáncer, entre otras aplicaciones. Dado su alto paramagnetismo, SPION producen fuertes efectos de fuera de resonancia y consecuentemente artefactos en la imagen. Existen métodos de para estimar el mapa de campo y, por tanto, la concentración, para efectos de fuera de resonancia bajos. Estos métodos están basados en la fase de la imagen, por ejemplo, tomando la diferencia de dos adquisiciones con tiempos de eco distintos. Sin embargo, para efectos fuertes, la señal decae rápidamente y la fase se vuelve poco fidedigna y en muchos casos inútil. En este trabajo proponemos un nuevo método para cuantificar la concentración de SPION desde la magnitud o intensidad de la imagen. Explotamos el hecho que la intensidad, bajo la presencia de fuera de resonancia, cambia en función de los parámetros de adquisición. En particular, proponemos usar un par de imágenes adquiridas con diferente polaridad, y la diferencia de estas imágenes va a codificar la posición y localización de SPION. Usamos una red neuronal para extraer la información sobre esta diferencia. La red toma como entrada la diferencia del volumen 3D y produce la concentración de SPION. La arquitectura consiste en una red 2D tipo U-net usando los filtros como la tercera dimensión. Fue entrenada en imágenes simuladas (NMSE: 0.3838). Probamos nuestro método en un fantoma numérico de mama (NMSE: 0.7355), y en fantomas (tubos y naranjas) adquiridos en una máquina de 7T.
dc.languageen
dc.rightsacceso abierto
dc.subjectSPION
dc.subjectMRI
dc.subjectAprendizaje profundo cuantificación
dc.titleIntensity-based deep learning for spion concentration estimation in MR imaging
dc.typetesis de maestría


Este ítem pertenece a la siguiente institución