Resumo: Nas técnicas de imageamento por ressonância magnética, um aspecto que tem sido muito estudado é a diminuição do tempo de aquisição de imagens, sem perda de qualidade.
IntroduçãoImageamento por ressonância magnética (RM) é um dos métodos mais importantes para visualização de órgãos internos, sendo muito utilizado para diagnóstico de doenças. Além de os exames de RM serem demorados, eles requerem que os pacientes fiquem imóveis. Desta forma, a diminuição do tempo de aquisição de medidas permitiria melhorar a qualidade das imagens adquiridas pelas máquinas, uma vez que os movimentos dos pacientes podem comprometer a qualidade das imagens reconstruídas. Além disso, isso também aumentaria o conforto dos pacientes e o número de exames que podem ser realizados em um dia.Um dos motivos do longo tempo do exame de RM é o método utilizado para a aquisição do sinal. O processo de formação de imagem inclui submeter o corpo a um forte campo magnético que polariza os spins dos prótons do corpo. Em seguida, um campo magnético induzido em rádio-frequência é aplicado em certas orientações. Como efeito, a magnetização resultante dos prótons em ressonância sai do equilíbrio, o que gera um sinal eletromagnético mensurável pela bobina. Para a formação da imagem, o sinal é capturado no espaço k, mas geralmente nem todos os pontos desse espaço são medidos devido à limitação das trajetórias. Para gerar uma imagem, o processo de reconstrução preenche as amostras faltantes no espaço-k.Para diminuir o tempo de aquisição, as imagens devem ser reconstruídas a partir de um número menor de medidas da máquina de RM, mas a qualidade da imagem reconstruída não deve ser reduzida. Entre os métodos de reconstrução de imagens de RM [1], uma abordagem recente utiliza Compressive Sensing (CS) [2]. Esses métodos utilizam otimização para reconstruir sinais a partir de um número reduzido de medidas. Uma aplicação bastante comum do CS é a reconstrução de imagens de RM, uma vez que nestes sistemas as medidas são sub-amostradas e capturadas no espaço-k e, geralmente, as imagens são esparsas sobre diferenças finitas.Miosso et al. [4] propuseram uma nova abordagem utilizando CS em RM que utiliza um processo de pré-filtragem. Nesta abordagem, as medidas são filtradas e, posteriormente, utilizadas na reconstrução CS. Ou seja, as versões filtradas da imagem são adicionadas às medidas originais, de forma a completar o espaço-k. A imagem reconstruída ao final deste processo apresenta uma melhor qualidade do que a imagem reconstruída com métodos tradicionais de CS. Apesar dos bons resultados, os autores testaram apenas um conjuntos de filtros simples no seu método.Neste trabalho, o nosso objetivo é testar sistematicamente um conjunto de filtros baseados em decomposição wavelet [5], e averiguar empiricamente quais destes filtros apresentam melhores resultados.
