Optimización basada en algoritmos de IA para la mejora de la calidad de imagen en tomografía computarizada de cráneo: eficiencia y reducción de ruido

Abstract

La tomografía computarizada permite observar la anatomía del cuerpo mediante cortes transversales en diferentes planos, para la generación de estas imágenes, se emplean sofisticados algoritmos de reconstrucción que usan los datos en bruto recogidos por la matriz detectora para dar forma y volumen a las estructuras internas del cuerpo humano, y que estas se puedan ver representadas mediante una escala de grises relacionada a la densidad del tejido por el cual está constituido. Estas herramientas utilizan complejos cálculos matemáticos para convertir la información obtenida en una imagen clara y con valor diagnóstico, por lo que no están exentas de errores, y son varios los factores que pueden perjudicar la calidad de la imagen y por consiguiente, interferir en el diagnóstico de patologías. Con el avance de la tecnología, los algoritmos de reconstrucción han mejorado al punto de poder reducir significativamente el ruido y artefactos de las imágenes en los estudios de tomografía, sin embargo, el uso de estas herramientas en estudios con bajas dosis de radiación ha tenido resultados mixtos relacionados con la textura y la calidad de la imagen. Esto ha llevado a investigar nuevos algoritmos de reconstrucción con métodos nuevos e innovadores como la inteligencia artificial, los cuales han presentado resultados prometedores para reducir el ruido de la imagen muy bajas dosis de radiación mientras mantienen la calidad de un estudio estándar. En este trabajo se van a describir los algoritmos de reconstrucción convencionales como la retroproyección filtrada y la reconstrucción iterativa, para realizar una comparativa con los nuevos algoritmos basados en inteligencia artificial y mediante literatura revisada se va a describir las ventajas y desventajas de estas herramientas en estudios de tomografía computarizada de cráneo con bajas dosis de radiación.