Els teixits i les estructures cerebrals s’estudien a partir d’imatges mèdiques que després es processen i interpreten a través de mètodes de segmentació, amb l’objectiu de  donar suport al diagnòstic basat en imatges. Avui dia, les dues metodologies més emprades en la segmentació d'estructures es basen en el modelat d'intensitats dels teixits i en la fusió multi-atlas.

La informàtica té un paper fonamental en el desenvolupament de noves tècniques d’adquisició i anàlisi quantitatiu d’ imatges mèdiques obtingudes per ressonància magnètica intracranial (RMI). Un anàlisi que, tot i que experts en neuroimatge poden fer manualment, és lent. D’aquí que el desenvolupament de mètodes automàtics per caracteritzar de manera precisa les principals estructures cerebrals sigui decisiu per ajudar al diagnòstic. La metodologia automàtica és ràpida, objectiva i aconsegueix mètodes reproduïbles per a una gran quantitat de dades.

Investigadors Simbiosys (Simulation, Imaging and Modelling for Biomedical Systems), Grup de Recerca del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF, han elaborat un nou mètode de segmentació que combina característiques complementàries dels dos mètodes habitualment més emprats, citats anteriorment, i aconsegueix més bons resultats.

Gerard Sanroma, Oualid M. Benkarim, i Gemma Piella, investigadors del Grup de Recerca  Simbiosys, amb Miguel Ángel González Ballester, cap del grup i professor d’investigació ICREA del DTIC, expliquen els detalls d’aquest nou mètode en una comunicació que han presentat  al 7th International Workshop Machine Learning in Medical Imaging,  celebrat el 17 d’octubre a Atenes (Grècia).

Simbiosys participa en el Challenge NeoBrain12

El volum de teixit cerebral neonatal es considera un bon indicador del rendiment del desenvolupament neurològic a llarg termini. La quantificació del volum de teixit cerebral es duu a terme mitjançant mètodes de segmentació d’imatge. Una aplicació pràctica de l’algorisme creat a Simbiosys rau en la participació del grup al Challenge NeoBrainS12. Com ha explicat Sanroma: “el nostre mètode de segmentació d’imatges de cervells neonatals està superant la resta de mètodes que es presenten al Challenge NeoBrainS12”.

Coordinat des dels Països Baixos, l’objectiu del NeoBrainS12 és comparar els rendiments dels mètodes d’algorismes automàtics de quantificació aplicats a les imatges de cervells neonatals seguint uns determinats protocols. En el NeoBrain12 diferents grups de treball proposen els seus algorismes els quals es comparen amb el mateix patró de referència per tal de identificar els de millor rendiment. Des del 2013, el grup Simbiosys està participant en aquest repte i els resultats indiquen que el mètode de segmentació de Sanroma et al.,  en moltes de les categories estudiades per al challenge,  està aconseguint els primers llocs,  amb millores de fins a un 10 % en rendiment.

Treball de referència:

Gerard Sanroma, Oualid M. Benkarim, Gemma Piella, Miguel Ángel González Ballester (2016), “Building an Ensemble of Complementary Segmentation Methods by Exploiting Probabilistic Estimates”, pàgs. 27-25, a: L. Wang et al. (Eds): MLMI 2016, LNCS 10019, Springer International Publishing. DOI: 10.1007/978-3-319-47157-0_4