Programa del congreso

Este trabajo explora un enfoque no supervisado de reconstrucción de imagen de resonancia magnética (MRI) basado en representaciones neuronales implícitas (INRs). Las INRs representan la imagen como una función continua de sus coordenadas espaciales, cuya estructura responde a una red neuronal de tipo perceptrón multicapa (MLP). En particular se estudia el rendimiento de una red basada en SIREN (SInusoidal Representation Networks) en reconstrucción MRI. Como contribución principal, se propone un esquema híbrido que integra INR como regularizador explícito sobre un método clásico de reconstrucción basado en codificación de sensibilidad (SENSE). La propuesta se evalúa sobre datos sintéticos, realizando un estudio de hiperparámetros, y posteriormente sobre datos reales del dataset \textit{fastMRI}, usando métricas de error cuantitativo y perceptual. Los resultados muestran que INR+SENSE mejora las reconstrucciones frente al método clásico, alcanzando valores competitivos respecto a los métodos supervisados en el \textit{public leaderboard} del reto fastMRI.