Correction of image distortions in magnetic resonance imaging: intensity inhomogeneities correction and evaluation

Abstract

Usando a técnica de imagem por ressonância magnética (IRM) é possível adquirir uma vasta quantidade de informação tanto anatómica como funcional, obtendo-se assim melhores diagnósticos e ajuda no tratamento de pacientes. O diagnóstico pode ser melhorado utilizando ferramentas de análise automática das imagens. Essa análise poderá sofrer a influência de alguns artefactos, sendo um deles a distorção de intensidades, causado por não-uniformidades da excitação e recepção a quando do uso do pulso de rádio frequência (RF), assim com também é devido às interacções electrodinâmicas com o objecto. O desejo de resolver este problema levou ao desenvolvimento de vários algoritmos com diferentes bases teóricas. Realizaram-se ainda variadas avaliações e comparações entre eles, mas, até agora, não foi encontrado um algoritmo que possa ser considerado inquestionavelmente o melhor para todos os tipos de dados adquiridos com IRM. Para resolver esta ambiguidade, neste trabalho não é proposto um novo algoritmo. Foram usados quatro conhecidos algoritmos para a correcção destas não-uniformidades, de maneira a tentar encontrar o melhor método de correcção para cada tipo de aquisição de IRM. Foram utilizadas imagens simuladas com não-uniformidades na intensidade, geradas com parâmetros de sequência idênticos às aquisições reais, de maneira a se puder obter imagens com intensidades próximas das imagens clínicas e observar como este factor influencia os algoritmos de correcção. As imagens corrigidas foram avaliadas com diversos parametros relacionados com a qualidade de imagem. Verificou-se que a performance de cada algoritmo varia dependendo do tipo de imagem que está a corrigir. Não foi encontrado um algoritmo que fosse superior a todos os outros para todas a situações. A avaliação do melhor algoritmo foi realizada tendo em conta o propósito das imagens e o parâmetro que se pretende melhorar. A escolha do método mais adequado para um tipo específico de imagens provou ser um passo importante quando se procura melhorar uma análise subsequente da imagem, neste caso segmentação. Estas melhorias poderão ser usadas para apoiar decisões médicas e melhorar assim os cuidados de saúde. Palavras-chave: Correcção da não-homogeneidade, MRI, segmentação, qualidade de imagem, processamento de imagem