Predicción de fotogramas futuros en resonancia magnética cine de tórax e hígado utilizando el modelo de movimiento respiratorio PCA: comparando transformadores y redes neuronales recurrentes entrenadas dinámicamente

En el campo de la radioterapia, la precisión en la irradiación de tumores toracoabdominales se ve desafiada por el movimiento respiratorio. La latencia de los sistemas de tratamiento conlleva incertidumbres en la localización del objetivo. En este contexto, el uso de resonancia magnética cine (cine-MRI) se ha explorado para prever el movimiento y compensar los retrasos. Un estudio reciente ha investigado la predicción de fotogramas futuros en secuencias cine-MRI de tórax y hígado para abordar este desafío. Se evaluaron diferentes técnicas, como los transformadores y las redes neuronales recurrentes (RNNs), para predecir los desplazamientos respiratorios a través de la imagen. Estos modelos fueron entrenados con algoritmos de aprendizaje en línea para permitir la adaptación a patrones respiratorios cambiantes y capturar dependencias a largo plazo. En este estudio, se llevó a cabo un análisis comparativo utilizando secuencias cine-MRI sagitales de tórax y abdomen superior de dos conjuntos de datos. La técnica principal fue el despliegue de un modelo de ajuste de movimiento principal (PCA) para descomponer el campo de flujo óptico de Lucas-Kanade en deformaciones estáticas y pesos temporales de baja dimensión. Los resultados mostraron que, si bien los transformadores específicos de secuencia eran competitivos para horizontes de predicción cortos y medianos, las RNN entrenadas con algoritmos de aprendizaje recurrente en tiempo real y aproximación de un paso escaso (SnAp-1) superaban a las demás herramientas para horizontes medios a largos. La exactitud de la predicción disminuyó a medida que se aumentaba este horizonte, pero en general, se lograron errores geométricos por debajo de 1.4 mm y 2.8 mm para los diferentes conjuntos de datos. Estos avances en predicción de fotogramas futuros en MRI cine tienen aplicaciones significativas en la radioterapia y la imagen médica. En Q2BSTUDIO, ofrecemos soluciones de desarrollo de software a medida con enfoque en inteligencia artificial y servicios en la nube (AWS y Azure). Si deseas implementar tecnología de vanguardia como la mencionada en este estudio, visita nuestra página sobre aplicaciones a medida: Desarrollo de Aplicaciones a Medida.