Nueva investigación busca comprender por qué la IA de aprendizaje profundo puede producir imágenes de RM precisas

Investigadores de la Universidad de Washington en St. Louis (St. Louis, MO, EUA) han trazado un camino hacia un marco teórico claro para describir cómo las redes neuronales profundas eliminan el ruido y los artefactos visuales para crear imágenes precisas sin un conjunto completo de datos de tecnologías como máquinas de RM. La velocidad de recopilación de datos en muchos tipos de tecnologías de imágenes, incluida la resonancia magnética, depende de la cantidad de muestras tomadas por la máquina. Cuando la cantidad de muestras recolectadas es pequeña, se pueden usar redes neuronales profundas para eliminar el ruido resultante y los artefactos visuales. La tecnología funciona muy bien, aunque no existe un marco teórico estándar, ninguna teoría completa, para describir por qué funciona.

En un documento presentado en la conferencia NeurIPS a fines de 2021, los investigadores establecieron un camino hacia un marco claro. Sus hallazgos prueban, con algunas limitaciones, que una red neuronal profunda puede obtener una imagen precisa a partir de muy pocas muestras si la imagen es del tipo que la red puede representar. Según los investigadores, el hallazgo es un punto de partida hacia una comprensión sólida de por qué la IA de aprendizaje profundo puede producir imágenes precisas. También tiene el potencial de ayudar a determinar la forma más eficiente de recolectar muestras y aún así obtener una imagen precisa.

Enlaces relacionados:

Universidad de Washington en St. Louis