Dall'Imaging Parallelo all' Intelligenza Artificiale

Abstract

La risonanza magnetica (RM) è una tecnica di diagnostica per immagini non invasiva che sfrutta le proprietà magnetiche dei nuclei di idrogeno per ottenere rappresentazioni morfologiche e funzionali ad alta risoluzione dei tessuti biologici, senza l’uso di radiazioni ionizzanti. Nonostante i suoi numerosi vantaggi, uno dei principali limiti della RM è rappresentato dai tempi di acquisizione elevati, che possono ridurre il comfort del paziente e l’efficienza operativa dei centri diagnostici. La riduzione di tali tempi costituisce quindi una sfida cruciale per la ricerca e lo sviluppo tecnologico in questo campo. Diverse strategie sono state proposte per affrontare questo problema, dalle sequenze rapide (Spin Echo, Gradient Echo, EPI) alle tecniche di imaging parallelo, fino alle più recenti soluzioni basate sull’intelligenza artificiale. Questa tesi analizza in dettaglio le principali metodologie avanzate di accelerazione in RM, illustrandone i principi fisici, le modalità di implementazione e i vantaggi in termini di qualità e rapidità di acquisizione. Infine, vengono presentati esempi clinici e sperimentali che dimostrano il potenziale di queste tecniche nel migliorare l’efficienza e le possibilità applicative della risonanza magnetica moderna.

Magnetic Resonance Imaging (MRI) is a non-invasive imaging technique that exploits the magnetic properties of hydrogen nuclei to obtain high-resolution morphological and functional representations of biological tissues, without the use of ionizing radiation. Despite its numerous advantages, one of the main limitations of MRI lies in its long acquisition times, which can reduce patient comfort and the operational efficiency of diagnostic centers. Reducing these acquisition times is therefore a crucial challenge for research and technological development in this field. Various strategies have been proposed to address this issue, ranging from fast imaging sequences (Spin Echo, Gradient Echo, EPI) to parallel imaging techniques, up to the most recent solutions based on artificial intelligence. This thesis provides an in-depth analysis of the main advanced acceleration methods in MRI, illustrating their physical principles, implementation approaches, and benefits in terms of image quality and acquisition speed. Finally, clinical and experimental examples are presented to demonstrate the potential of these techniques in enhancing the efficiency and application capabilities of modern magnetic resonance imaging.