Non hai un account?
Immagini TrueFidelity di paziente con BMI 62 (180 kg, 1,73 m)
La qualità di un'applicazione di ricostruzione d'immagini con deep learning dipende dall'efficacia del suo addestramento. GE HealthCare ha addestrato il proprio motore di ricostruzione utilizzando una libreria di migliaia di immagini con retroproiezione filtrata (FBP) a basso rumore, standard di riferimento per la qualità delle immagini.
Si creano strati di equazioni matematiche e si sviluppa una Rete Neurale Profonda (DNN) capace di gestire milioni di parametri.
Si inserisce un sinogramma ad alto rumore nella Rete Neurale Profonda (DNN) e si confronta l'immagine risultante con una versione a basso rumore della stessa immagine. Queste due immagini vengono confrontate in base a diversi parametri, quali rumore dell'immagine, risoluzione a basso contrasto, rilevabilità a basso contrasto, texture del rumore, ecc. L'immagine ottenuta riporta le differenze alla rete tramite la retropropagazione, in modo da addestrare e rafforzare la DNN sulla base dell'output desiderato.
La rete ricostruisce casi clinici e di test con fantoccio mai visti prima, inclusi casi estremamente rari progettati per mettere la rete alla prova, confermandone l'efficacia.
Le immagini TC TrueFidelity offrono un livello di qualità superiore, anche rispetto alle tecniche di ricostruzione iterativa più avanzate. La visualizzazione del contrasto viene mantenuta, il rumore e gli artefatti sono ridotti al minimo e i bordi sono preservati - quanto basta - in modo da garantire estrema nitidezza senza compromessi.1
