Redes Generativas Adversarias 3D de Crecimiento Progresivo para generación de mapas de atenuación de PET

R.G.COLMEIRO; D.M. MINSKY; GROSGES, T.; C.VERRASTRO

Exposición; Jornadas y Eventos Académicos UTN; 2021

Las imágenes de Tomografía por Emisión de Positrones visualizan la actividad molecular en eltejido vivo. Para recuperar correctamente la distribución de la actividad es necesario conocer laanatomía del paciente y compensar los efectos de atenuación. Esto se realiza con un mapa deatenuación que se obtiene normalmente con otro tipo de imagen, como una TomografíaComputada. Recientemente se ha propuesto generar el mapa de atenuación usando métodosbasados en imágenes, como las redes convolucionales. En este trabajo se explora la capacidad delas Redes Generativas Adversarias (GAN, del inglés) de crecimiento progresivo. Su exactitud escomparada comparada con GANs tradicionales de trabajos previos. A pesar de ser exitosas para lageneración de imágenes de alta calidad 2D y poseer un entrenamiento más estable, su exactitudes menor a la obtenido en trabajos previos, alcanzando un Error Medio Promedio de 132+-22 HUcontra 103+-18 HU obtenido en trabajos previos.