• By Super Admin
• 25 Aug, 2025
• Artigos

Deep Learning: do Convencional ao Extraordinário

A doença aterosclerótica intracraniana é uma das principais causas de AVC isquêmico. A imagem da parede vascular intracraniana (VWI) é fundamental para identificar placas responsáveis, mas sua utilidade é limitada pela baixa resolução espacial e pela baixa relação sinal-ruído (SNR). O deep learning (DL) pode superar essas limitações, combinando redução de ruído e super-resolução. Ao gerar imagens de alta precisão, o DL revoluciona a VWI, ampliando a detecção de lesões sutis e fortalecendo a prevenção do AVC isquêmico.

Deep Learning: do Convencional ao Extraordinário

RM e IA na Detecção de Placas Intracranianas

Introdução

    A doença aterosclerótica intracraniana é uma das principais causas de AVC isquêmico. 

    A imagem da parede vascular intracraniana (VWI) é fundamental para identificar placas responsáveis, 

    mas sua utilidade é limitada pela baixa resolução espacial e pela baixa relação sinal-ruído (SNR).

    O deep learning (DL) pode superar essas limitações, combinando redução de ruído e super-resolução. 

    Ao gerar imagens de alta precisão, o DL revoluciona a VWI, ampliando a detecção de lesões sutis e fortalecendo a prevenção do AVC isquêmico.

      Fig. 1: Exemplo de Conv-VWI (A) versus DL-VWI (B). O deep learning reduz o ruído, 

      preserva o contraste e permite visualização mais nítida das paredes vasculares.

Método

    Estudo retrospectivo, critério de exclusão (143 > 117), pacientes submetidos a VWI em ressonância 3T.

    Comparação entre Conv-VWI e DL-VWI (voxel 0,28×0,28×0,45 mm³).

    Processamento com SwiftMR v2.2.0.0 (AIRS Medical).

Avaliação:

    Qualitativa: qualidade, SNR, conspicuidade, IPH, realce.

    Quantitativa: SNR, CNR.

    As placas foram classificadas como responsivas ou não-responsivas por critérios clínico-radiológicos.

      Fig. 2: Um exemplo de lesão de parede vascular ampliada em Conv-VWI (A, coronal; C, axial) 

      e DL-VWI (B, coronal; D, axial). A excentricidade da placa e a presença de 

      hiperintensidade interna T1WI em comparação com a parede normal do vaso adjacente 

      é mais claramente representada no DL-VWI.

      Fig. 3: Processo de segmentação da parede vascular, lúmen e lesões. 

      Após o co-registro das imagens NE-T1WI (A, B) e PD (C), as regiões de parede (amarelo) 

      e lúmen (laranja) são delimitadas semi-automaticamente. 

      Lesões da artéria cerebral média são evidenciadas nas imagens NE-T1WI (D, E) e CE-T1WI (F).

Conclusão

    O deep learning revoluciona o VWI intracraniano: reduz ruído, amplia a resolução, 

    aumenta a detecção de hemorragias intraplaca e transforma a avaliação de placas responsáveis 

    pelo AVC isquêmico — de limitada a precisa e confiável.

Referências

    Seo M, Jung W, Jeong G, Yang S, Shin I, Lee JY, Ahn KJ, Kim B, Jang J. 

    Deep learning improves quality of intracranial vessel wall MRI for better characterization 

    of potentially culprit plaques. 

    Sci Rep. 2024;14:18983. doi:10.1038/s41598-024-69750-4

    Fontes das imagens: Baseado em Seo et al., Sci Rep. 2024;14:18983. Licença CC BY-NC-ND 4.0.

Abreviações

    VWI – Vessel Wall Imaging / Imagem da parede do vaso

    Conv-VWI – Conventional Vessel Wall Imaging

    DL-VWI – Deep Learning Vessel Wall Imaging

    DL – Deep Learning

    SNR – Signal-to-Noise Ratio / Relação Sinal-Ruído

    CNR – Contrast-to-Noise Ratio / Relação Contraste-Ruído

    IPH – Intraplaque Hemorrhage / Hemorragia Intraplaque

    AUROC – Area Under the ROC Curve.