Software para análisis automatizado de imágenes MRI y PET en escáneres híbridos

Las imágenes PET (tomografía por emisión de positrones) se reconstruyen a partir de las emisiones generadas por un cierto radiofármaco al interactuar con los tejidos del cuerpo. Dichas emisiones son captadas por los detectores del escáner PET. Las radiaciones emitidas atraviesan distintos tipos de tejidos antes de llegar a los detectores. Estos tejidos atenúan la radiación emitida por lo que las señales recibidas por los detectores ya no se corresponden con la radiación original. Para la correcta cuantificación de las imágenes PET, es necesario aplicar una corrección de atenuación durante la reconstrucción de la imagen. Para ello se requiere de un mapa de atenuación, el cual normalmente era generado utilizando la correspondiente imagen CT (tomografía computarizada) del paciente. Con la llegada de los escáneres híbridos PET/MRI (resonancia magnética nuclear), se hizo necesaria la generación de mapas de atenuación a partir de las imágenes MRI. Sin embargo, la relación entre MRI y CT no es proporcional por lo que no es posible obtener un mapa de atenuación de forma directa. Por ejemplo, el hueso y el aire tienen la misma intensidad en una imagen MRI, pero el hueso tiene un coeficiente de atenuación mucho mayor al casi nulo valor de atenuación del aire. Varios métodos han sido propuestos en la literatura, algunos que utilizan secuencias MRI específicas para segmentar la imagen, y otras usando atlas de varios pacientes con el fin de aproximar la MRI a un CT y así generar el mapa de atenuación. La imagen CT sintética generada a partir de una imagen MRI normalmente se denomina pseudo-CT. El aprendizaje profundo o Deep Learning son técnicas que emplean redes neuronales profundas para aprender patrones de los datos, en nuestro caso de las imágenes. El avance en la tecnología hardware y software permiten aplicar las técnicas de aprendizaje profundo a las imágenes volumétricas como las médicas, esto parece indicar que sería la solución apropiada para la corrección de atenuación a partir de imágenes MRI. Descripción del software El software desarrollado permite generar una CT sintética a partir de una imagen de resonancia magnética, el cual puede ser utilizado como mapa de atenuación para la corrección de imágenes PET. Para la generación de la CT sintética se emplea una técnica de Deep Learning conocida como aprendizaje supervisado, en donde se entrena una red neuronal con un determinado número de imágenes MRI con su correspondiente CT. De este modo, la red neuronal puede "aprender" la relación existente entre ambas modalidades de imagen. Finalmente, la red neuronal entrenada es capaz de inferir una CT sintética a partir de una MRI. Esto es útil sobre todo en los casos en los que la CT del paciente no está disponible. Este software puede incorporarse en escáneres PET de nueva creación o en escáneres existentes para aportarles nuevas funcionalidades como el análisis automático de imágenes PET.

Ficha técnica

Tipo de tecnología SOFTWARE
Inventores Andrés Martín Larroza Santacruz, Jose María Benlloch Baviera, María José Rodríguez Álvarez
Responsable Rodríguez Álvarez María José