Korekcja artefaktu duchów Nyquista w dyfuzyjnych obrazach rezonansu magnetycznego za pomocą uczenia maszynowego

Celem niniejszej pracy jest redukcja artefaktów Nyquista w obrazach rezonansu magnetycznego mózgu uzyskanych metodą EPI (obrazowania echoplanarnego). Artefakty są problemem na szeroką skalę w obrazowaniu medycznym i konwencjonalne metody matematyczne nie wystarczają, aby dokonać ich redukcji. Duchy Nyquista są specyficznymi zakłóceniami w obrazie, które wynikają z opóźnień w próbkowaniu skanów, dlatego też bardzo trudnym zadaniem jest usunięcie duchów. Kiedy artefakty zawierają się w obrazie to niekontrolowanie zmieniają jego intensywność przez co osoba dokonująca analizy obrazu może błędnie sklasyfikować różnego rodzaju zmiany chorobowe pacjenta. W celu korekcji intensywności skanów zaimplementowano splotową sieć neuronową z literatury naukowej i zmodyfikowano ją o dodatkowe elementy, aby poprawić dokładność wyników m. in. normalizacja wsadowa. Utworzona sieć neuronowa może w znacznym stopniu zniwelować duchy Nyquista, a dodanie do niej dodatkowych funkcjonalności powinno zwiększyć podobieństwo uzyskanych wyników względem wzorca. W kodzie programu wykorzystano techniki takie jak: splotowe sieci neuronowe czy różnicowe połączenia między różnymi warstwami perceptronów oraz warstwy aliasingowe. Za pomocą proponowanej sieci udało się dokonać częściowej redukcji artefaktów Nyquista.

The main goal of this work is separating Nyquist ghosts from brain magnetic resonanse images. These images was obtained thanks EPI (echoplanar imaging). The mentioned artiffacts, are extreme problem on a large scale in medical imaging and conventional math methods are not possible to fully resolve posed problem. Nyquist artifacts are specific noises in medical images, which result from improper sampling of the magnetic resonance signal. In this case it is impossible to remove Nyquist ghosts where it includes on correctly sampled elements. Ghosts disturb often intensity of medical scans and somebody may misclassify pathologies. To resolve the problem from intensity of image, convolutional neural network was made, which may reduce a whole of artifacts. The architecture of network was prepared on basis of scientific literature and improved with additional functionalities for example batch normalization. In program’s code is used such methods as convolutional neural networks or residual layers’ connetions but also aliasing layers. Finally using the proposed neural network, it was possible to partially reduce the Nyquist artifact.