Tecnologia Científica

Doutorado desenvolve algoritmo para melhorar a clareza de exames de ressonância magnética parciais
Puyang Wang, doutorado em engenharia elétrica e de computação na Johns Hopkins, entre os vencedores do recente concurso fastMRI realizado pelo Facebook AI
Por Wick Eisenberg - 14/12/2019

Fazer uma ressonância magnética pode ser uma experiência desagradável. O procedimento geralmente envolve um paciente deitado dentro de um tubo grande por pelo menos 30 minutos e sendo instruído a permanecer imóvel, pois as ondas magnéticas e de rádio criam imagens detalhadas de seus órgãos. Muitos acham os ruídos altos e estridentes da máquina irritantes e ficam em pânico e claustrofóbicos.

Doutorando Johns Hopkins Puyang Wang

Uma abordagem criada por Puyang Wang, um candidato a doutorado em engenharia elétrica e de computadores na Whiting School of Engineering da Johns Hopkins University , poderia ajudar a fornecer algum alívio. A solução, um algoritmo que acelera a aquisição de dados de ressonância magnética e resulta em imagens mais nítidas, estava entre os projetos reconhecidos na competição fastMRI realizada no início deste mês pela Facebook AI e pela Langone Health da Universidade de Nova York. Os projetos de dois outros grupos - um da empresa de eletrônicos Philips e outro da Universidade de Amsterdã - foram homenageados juntamente com a pesquisa de Wang como a mais forte em um campo de 34 candidatos.

A competição desafiou os participantes a usar inteligência artificial, ou IA, para melhorar o processo de obtenção de exames de ressonância magnética. A esperança era que, usando a IA para criar imagens precisas com significativamente menos dados brutos do que o necessário para uma ressonância magnética tradicional, as digitalizações pudessem ser feitas até 10 vezes mais rápido, melhorando a experiência do paciente e tornando o procedimento de imagem mais barato e mais acessível.

"Foi um desafio muito emocionante para mim", disse Wang, que, como um dos vencedores da competição, apresentará sua pesquisa no workshop Medical Imaging Meets NeurIPS em Vancouver no sábado. "O que eu gosto é que é uma maneira muito direta de ajudar a indústria médica. Esse algoritmo pode ser facilmente aplicado às máquinas de ressonância magnética. É emocionante fazer esse trabalho e ver que a aplicação no mundo real poderia ajudar muitas pessoas." "

Wang iniciou essa pesquisa durante um estágio de verão na United Imaging Intelligence em Cambridge, Massachusetts. Ao retornar ao campus de Homewood da JHU no semestre, ele continuou a otimizar a solução para o desafio em colaboração com cientistas da United Imaging Intelligence e com o apoio de seu orientador, Vishal Patel , professor assistente do Departamento de Engenharia Elétrica e de Computação .

Essas três imagens mostram a mesma ressonância magnética com diferentes graus de clareza. À esquerda, uma imagem obtida por uma ressonância magnética parcial; o segundo mostra a mesma imagem adquirida por uma ressonância magnética parcial e usando o algoritmo de sensor comprimido; e o terceiro mostra uma imagem adquirida por uma ressonância magnética parcial e usando o algoritmo de Puyang Wang.

Wang desenvolveu um algoritmo usando um método de aprendizado profundo chamado redes neurais recorrentes que cria imagens mais nítidas a partir de varreduras parciais, uma abordagem comum para acelerar a aquisição de dados de ressonância magnética, fazendo menos medições. Tradicionalmente, as digitalizações parciais produzem imagens abaixo da média que são difíceis de analisar. No entanto, usando o algoritmo de Wang, os radiologistas podem obter resultados claros enquanto reduzem consideravelmente o procedimento de um paciente.

Wang está particularmente empolgado com o fato de os radiologistas terem aprovado sua abordagem. Especialistas na área contribuíram para a pontuação na competição "fastMRI", e o algoritmo de Wang recebeu notas muito altas, o que desempenhou um papel fundamental ao ser selecionado como um dos melhores participantes.

"É realmente importante para nós que nossa abordagem tenha sido aprovada pelos especialistas", afirmou Patel. "Você pode publicar quantos documentos quiser, mas se os médicos não estiverem felizes, seu trabalho não fará a transição".


Embora o projeto não tenha se originado na Johns Hopkins, Patel e Wang disseram acreditar que Hopkins é o local ideal para levá-lo ao próximo nível. Patel prevê que esse algoritmo, ou que seja muito parecido, seja implementado em uma variedade de técnicas médicas, incluindo ultra-sonografia e sonar. Sua esperança é que eles consigam melhorar o desempenho dos sistemas de imagem além das ressonâncias magnéticas.

"Hopkins é o melhor lugar para esse tipo de pesquisa porque temos uma das melhores escolas de medicina e somos capazes de colaborar com elas", disse Patel. "Estamos ansiosos para continuar nossa pesquisa nessa direção e resolver alguns problemas interessantes. A ressonância magnética é o primeiro problema que tentamos e só vai melhorar".

 

.
.

Leia mais a seguir