Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética (2025)
- Authors:
- Autor USP: QUEIROZ, GUYLHERME EMMANUEL TAGLIAFERRO DE - IFSC
- Unidade: IFSC
- Sigla do Departamento: FCI
- DOI: 10.11606/T.76.2025.tde-26012026-112255
- Subjects: APRENDIZADO COMPUTACIONAL; IMAGEM POR RESSONÂNCIA MAGNÉTICA; REDES NEURAIS
- Keywords: Aprendizado profundo; Convolutional neural networks; Deep learning; Magnetic resonance imaging; Noise suppression; Redes neurais convolucionais; Supressão de ruído; Transformada wavelet; Wavelet transform
- Language: Português
- Abstract: A técnica de imagens por ressonância magnética (RM) é amplamente utilizada na medicina por ser não invasiva e fornecer imagens com elevado contraste entre tecidos. Apesar dos avanços nos scanners, imagens por RM ainda sofrem com degradações inerentes à aquisição, sobretudo em exames in vivo, nos quais o paciente é uma das principais fontes de ruído. Nessas situações, a redução do tempo de aquisição (comum na prática clínica) compromete a relação sinal-ruído e degrada a imagem. O ruído prejudica tanto a interpretação clínica quanto o desempenho de métodos de pós-processamento, motivando o desenvolvimento de estratégias específicas de supressão. Diferentemente das imagens naturais, com ruído tipicamente gaussiano, imagens de RM em magnitude apresentam distribuições estatísticas variadas, dificultando o uso de abordagens genéricas. Esta tese propõe uma solução adaptativa para supressão de ruído em imagens por RM, considerando diferentes estratégias clínicas de aquisição e reconstrução. A principal contribuição é o modelo Wavelet Discriminative Residual Network (WDResNet), uma arquitetura convolucional multiespectral que combina redes neurais convolucionais e decomposição por transformada wavelet discreta, promovendo a separação entre ruído e estruturas anatômicas. A rede é composta por sub-redes especializadas em diferentes bandas espectrais, além de mecanismos de fusão e estimativa residual. A ausência de imagens reais livres de ruído é contornada por meio da geração de umconjunto sintético estatisticamente controlado. Os experimentos indicam que o WDResNet supera métodos clássicos como Non-Local Means (NLM), Oracle Discrete Cosine Transform (ODCT) e Non-Local Principal Component Analysis (NLPCA), apresentando desempenho robusto frente a diferentes níveis de ruído, ponderações e distribuições, sem exigir ajustes manuais. A abordagem proposta representa um avanço na recuperação de imagens degradadas por ruído, combinando modelagem estatística, análise multirresolução e aprendizado profundo, com impactos positivos em contextos clínicos e de pesquisa
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 27.11.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
QUEIROZ, Guylherme Emmanuel Tagliaferro de. Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética. 2025. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/76/76135/tde-26012026-112255/. Acesso em: 06 maio 2026. -
APA
Queiroz, G. E. T. de. (2025). Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/76/76135/tde-26012026-112255/ -
NLM
Queiroz GET de. Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética [Internet]. 2025 ;[citado 2026 maio 06 ] Available from: https://teses.usp.br/teses/disponiveis/76/76135/tde-26012026-112255/ -
Vancouver
Queiroz GET de. Análise multi-resolução inteligente: combinando a Transformada Wavelet com estratégias de deep learning para redução de ruídos em imagens de ressonância magnética [Internet]. 2025 ;[citado 2026 maio 06 ] Available from: https://teses.usp.br/teses/disponiveis/76/76135/tde-26012026-112255/ - Intelligent multi-resolution analysis: combining wavelet transform with deep learning strategies for noise reduction in magnetic resonance signals and images
- Processamento digital de sinais aplicado a análise de distribuição de tempos de relaxação em sinais de ressonância magnética nuclear
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
- Análise multi-resolução inteligente: combinando a transformada wavelet com estratégias de deep learning para redução de ruídos em sinais e imagens de ressonância magnética
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
