Un Atlas de Alta Resolución y Modelo Estadístico del Corazón Humano a partir de la TC Multicorte
Imagen: El corazón promedio y sus variaciones estadísticas.
Crédito UPF/SINC
Atlas y modelos estadísticos juegan
papeles importantes en la personalización y simulación de la
fisiología cardíaca Para el estudio del corazón, sin embargo,
la construcción de atlas integrales y modelos espacio-temporales se enfrentan a
una serie de problemas, en particular, la necesidad de manipular conjuntos de
datos de imagen de gran tamaño y altamente variable, la naturaleza multi-región
del corazón, y la presencia del complejo, así como pequeñas estructuras
cardiovasculares.
Investigadores de la
Universidad Pompeu Fabra
han generado un atlas en alta resolución del corazón con imágenes 3D tomadas en
138 personas. El estudio demuestra que se puede obtener la imagen
promedio de un órgano y sus variaciones, permitiendo comparar los casos
individuales y diferenciar las formas sanas de las patológicas.
“Este atlas es una descripción
estadística del aspecto que tienen el corazón y sus partes, como los
ventrículos y las aurículas”, explica a SINC Corné
Hoogendoorn, investigador del centro CISTIB (Centro de Imágenes por Computadora
y Tecnologías de Simulación en Biomedicina) de la Universidad Pompeu Fabra.
Los científicos han conseguido representar la forma promedio de este órgano
mediante tomografía computarizada multicorte. Esta técnica ofrece
radiografías tridimensionales y en alta resolución.
“En nuestro análisis (de) la población
son esas 138 personas, pero podrían ser muchas más”, comenta
Hoogendoorn, “por lo que demostramos que es factible construir este
tipo de atlas a partir de muchos casos, con un nivel aceptable de interacción
humana –trabajo manual de ajuste y optimización de imágenes, y con buenos
resultados numéricos”.
Para crear esta cartografía cardiaca, los investigadores han desarrollado un modelo estadístico capaz de gestionar la gran cantidad de información que proporcionan las imágenes individuales y recoger las variaciones temporales, ya que el corazón no deja de moverse.
Para crear esta cartografía cardiaca, los investigadores han desarrollado un modelo estadístico capaz de gestionar la gran cantidad de información que proporcionan las imágenes individuales y recoger las variaciones temporales, ya que el corazón no deja de moverse.
El nivel de detalle y la posibilidad de
ampliación de este atlas suponen “una ventaja sobre la mayoría de los
modelos cardiacos presentados hasta ahora”.
Los investigadores consideran que el
trabajo se puede aplicar en el procesamiento de imágenes médicas, concretamente
para segmentar, es decir, diferenciar bien la estructura que se quiere analizar
del resto de la imagen.
“Las estadísticas del atlas ofrecen un rango continuo con ejemplos de formas del corazón, lo que permite comparar casos concretos, así como calcular las probabilidades de que pertenezcan a la población modelada”, dice Hoogendoorn.
“Las estadísticas del atlas ofrecen un rango continuo con ejemplos de formas del corazón, lo que permite comparar casos concretos, así como calcular las probabilidades de que pertenezcan a la población modelada”, dice Hoogendoorn.
El científico también destaca que el
método se puede aplicar a imágenes de cualquier otro órgano o estructura, con
la ventaja de poder clasificar y diagnosticar las formas sanas y las
patológicas, así como diferenciar distintas enfermedades e incluso establecer
una gradación dentro de cada una de ellas.
Además, de este trabajo se pueden
derivar simulaciones computacionales sobre la electrofisiología y mecánica del
corazón – y de otros órganos – que pueden ayudar a planificar mejor los
tratamientos en los pacientes.
El grupo de
investigadores que llevaron adelante este trabajo, son Corné Hoogendoorn,
Nicolás Duchateau, Damián Sánchez-Quintana, Tristán Whitmarsh, Federico M.
Sukno, Mathieu Da Craene, Karim Lekadir, Alehamdro F. Frangi.
Fue publicado bajo el
título “A High-Resolution
Atlas and Statistical Model of the Human Heart From Multislice CT” que se publicó en la Revista IEEE Transactios on Medical Imaging 32 (1) 28-44, de enero
2013. Doi: 10.1109/TMI 2012.2230015
Fuente: SINC / PubMed NCBI /IEEE
No hay comentarios:
Publicar un comentario