Imagen médica
El análisis de imágenes médicas mediante inspección visual por parte de un especialista presenta múltiples dificultades, debidas a la subjetividad del facultativo, complejidad de los datos, variedad de modalidades de adquisición de imagen y dificultad para el análisis visual de datos volumétricos e incluso de secuencias temporales volumétricas. La aplicación de técnicas de procesado de señal al campo de la imagen médica lleva varias décadas produciendo avances en la asistencia al diagnóstico. Algunas de sus aplicaciones incluyen el realce y detección de patrones de interés, segmentación y parametrización de tejidos y registro de imagen multimodal. Además, en combinación con las actuales técnicas de visualización, facilitan la inspección por parte del especialista e incluso permiten la implantación de sistemas de realidad aumentada para planificación quirúrgica.
Una de las aplicaciones que más interés ha recibido en los últimos años es la segmentación de órganos o lesiones. Los métodos computacionales de segmentación no solo facilitan la delimitación de los tejidos a partir de datos ruidosos o complejos, sino que permiten la extracción rápida, automática y repetible de parámetros geométricos (diámetro, superficie, volumen, forma, …) de utilidad para el diagnóstico y seguimiento de los pacientes.
Entre los múltiples métodos de segmentación existentes, los modelos deformables han destacado por su capacidad para combinar regularización, mediante restricciones sobre la forma local, con información a priori. Se trata de modelos dinámicos que, partiendo de un estado inicial, evolucionan hasta ajustarse a las características de bajo nivel de la imagen, con capacidad para gestionar cambios en la topología, como se observa en la siguiente imagen. Además, son idóneos para el tracking de objetos deformables en secuencias de video.
Gradiant cuenta con personal experimentado en el procesado y análisis de imagen médica digital, tanto de datos 2D como 3D (CT, MRI, SPECT, …), y en particular, en segmentación 3D mediante modelos deformables. Se ha trabajado con modelos geodésicos y con su inicialización basada en características multirresolución. Nuestro bagaje en el ámbito del reconocimiento de patrones es también de aplicación en las técnicas más actuales de segmentación, que combinan modelos deformables con métodos de clasificación de regiones basados en modelos estadísticos de apariencia. Asimismo, nuestra experiencia en la adquisición y análisis de datos multi e hiper-espectrales es también de interés en segmentación de imagen médica, especialmente en dermatología, donde esta modalidad se ha venido utilizando con éxito en los últimos años para la detección y control de melanomas. El análisis de la información aportada por las distintas frecuencias en el espectro permite descubrir áreas patológicas que no son observables en el rango visible, comola representada en amarillo en esta imagen.
