MÉTODO PARA TREINAR UM MODELO DE APRENDIZADO DE MÁQUINA OPERACIONAL PARA USO EM APLICAÇÕES DE IMAGINOLOGIA MÉDICA E SISTEMA COMPUTACIONAL

IPC Classification

Priority claims

Abstract

MÉTODO PARA TREINAR UM MODELO DE APRENDIZADO DE MÁQUINA OPERACIONAL PARA USO EM APLICAÇÕES DE IMAGINOLOGIA MÉDICA E SISTEMA COMPUTACIONAL. É proposta uma solução para treinar um modelo de aprendizado de máquina (420) para uso em aplicações de imaginologia médica. Um método (700) correspondente compreende alimentar (703 a 743; 759 a 763) conjuntos de amostragem, cada um dos quais compreende uma imagem de referência de amostragem, uma imagem de destino de amostragem (adquirida a partir de uma parte do corpo correspondente de um paciente à qual administrou-se certa dose de um agente de contraste) e uma dose de origem de amostragem (correspondente a uma dose diferente do agente de contraste). O modelo de aprendizado de máquina (420) é treinado (744 a 758) com o intuito de otimizar sua capacidade em gerar cada imagem de destino de amostragem a partir da imagem de referência de amostragem e imagem de origem de amostragem correspondentes. Um ou mais dos conjuntos de amostragem são incompletos, com suas imagens de origem de amostragem faltando. Cada conjunto de amostragem incompleto é completado (704 a 742; 759 a 763) simulando a imagem de origem de amostragem a partir ao menos da imagem de referência de amostragem e da imagem de destino de amostragem no conjunto de amostragem. São propostos um programa de computador (500) e um produto de programa de computador para implementar o método (700). Além disso, é proposto um sistema computacional (130) para executar o método (700).