Resumen
Las imágenes TAC son muy importantes en la práctica médica. Sin embargo, no son inocuas pues utilizan radiaciones ionizantes. Varios
estudios han concluido que no existe un nivel seguro de exposición a la radiación ionizante. Las imágenes TC también se aplican en la
industria. Por estas razones, la reconstrucción de imágenes de TC es un campo muy importante campo en constante evolución.
Dos de las estrategias más comunes para reducir la dosis de radiación son la reducción de la corriente/tensión de la fuente de rayos X y
la reducción del número de proyecciones. Sin embargo, ambas estrategias aumentan el nivel de ruido y pueden introducir algunos
artefactos en las reconstrucciones.
Aunque los métodos algebraicos se propusieron desde el principio, no fueron empleados debido a la baja potencia de cálculo de los
ordenadores en aquellos años. Sin embargo, con el aumento constante de la potencia de cálculo y de la capacidad de capacidad de
almacenamiento, ahora es posible aplicar eficientemente los métodos algebraicos de reconstrucción algebraica para superar las
desventajas de los métodos actuales.
Dado que el tiempo de generación de la TC es clave para realizar diagnósticos urgentes, es crucial mejorar las técnicas actualmente
disponibles para resolverlos de forma eficiente y rápida. Por lo tanto, se necesitan expertos en Computación de Altas Prestaciones para
implementar nuevos métodos que puedan ser utilizados en el ámbito clínico con la máxima rapidez. Por otro lado, la Inteligencia Artificial
a través del Deep Learning ha demostrado grandes progresos en muchos ámbitos. Mediante su uso, los artefactos en las
reconstrucciones al reducir la dosis podrían ser eliminados.
Nuestro proyecto propone la combinación de técnicas avanzadas de computación de alto rendimiento y técnicas de IA para desarrollar
métodos de reconstrucción de imágenes TC de alta calidad y eficientes con el objetivo de reducir la dosis de radiación utilizada y mejorar
la calidad de las imágenes.
Nuestro objetivo principal es desarrollar nuevos algoritmos e implementaciones eficientes que reduzcan la dosis de radiación y aumenten
la calidad de la imagen. Estos métodos deberían funcionar en máquinas de coste medio para reducir la inversión para las empresas e
instituciones. Para lograr estos objetivos trabajaremos en métodos de reconstrucción algebraica iterativos. También trabajaremos en
métodos de reconstrucción algebraica directos basados en técnicas out-of-core (datos almacenados en disco) en resoluciones superiores
a 512 x 512.
También trabajaremos en el desarrollo e implementación de nuevas técnicas de filtrado de imágenes y sinogramas de TC.
Los métodos de reducción de dosis en TC implican un menor coste a largo plazo tanto para el sistema sanitario como para los pacientes
al reducir los efectos secundarios. Una mayor calidad en las resconstrucciones puede mejorar la precisión de diagnósticos, lo cual
también puede repercutir positivamente en ambos.
Por otra parte, nuevos métodos mejorados también pueden dar a la industria una mayor ventaja competitiva y una mayor productividad al
mejorar sus procesos de producción y calidad mediante el uso de la digitalización de las imágenes de TC. Múltiples industrias podrían
aprovecharse de unas imágenes de TC más rápidas y mejores con equipos asequibles.
