Método para la detección automática mediante aprendizaje profundo de la sístole y la diástole en secuencias cine de imagen por resonancia magnética cardíaca con un número cualquiera de cortes y volúme

En el ámbito clínico se puede caracterizar el estado del corazón a través de secuencias cine de resonancia magnética. Estas secuencias conforman volúmenes del corazón en distintos puntos temporales permitiendo ver la contracción de los tejidos para su análisis. Para una correcta caracterización el profesional clínico deberá extraer como principales parámetros los volúmenes de los ventrículos en sístole y diástole, así como la fracción de eyección que se deriva de los anteriores. Sin embargo, el primer paso para realizar este análisis es la detección de la sístole y la diástole en la secuencia. Se ha desarrollado un método implementado en computador para la detección automática de la sístole (máxima contracción cardiaca) y la diástole (estado de relajación cardiaca) en secuencias cine de resonancia magnética cardíaca a través del uso de una red neuronal puramente convolucional. Esta secuencia de cine de resonancia magnética cardiaca puede tener un número cualquier de cortes (más o menos secciones del corazón) y de volúmenes (frames o instantes temporales adquiridos por ciclo cardíaco). Se han realizado pocos estudios describiendo métodos que permiten automatizar la detección de la sístole y la diástole en este tipo de secuencias. Algunos casos han propuesto la segmentación del ventrículo izquierdo a través de redes neuronales en todos los frames (puntos temporales) y derivar la localización en función del volumen de cada frame [1]. Este método tiene el inconveniente de requerir la segmentación previa en todos los frames para poder entrenar la red neuronal. En otro caso se han utilizado redes neuronales que son entrenadas para segmentar el ventrículo izquierdo y a continuación determinar los puntos de sístole y diástole mediante la localización del centro del ventrículo izquierdo respecto a una referencia [2]. Finalmente, otro método descrito ha utilizado redes convolucionales para extraer los patrones espaciales en las imágenes y, a continuación, utilizar redes recurrentes con capas LSTM (Long Short Term Memory) para codificar la información a nivel temporal y finalmente aplicar la clasificación en cada frame de la secuencia [3]. En los últimos dos casos los estudios se realizaban utilizando únicamente cortes individuales de la secuencia cine y con un número fijo de frames. En contraste con las aproximaciones anteriormente descritas, el método que se describe en este documento utiliza los volúmenes al completo de una secuencia que contenga un número variable de cortes, así como un número variable de frames. El método desarrollado consta de varias etapas: 1. Preprocesado de las secuencias cine de imagen por resonancia magnética cardíaca. 2. Diseño de la red mediante redes convolucionales para la extracción de patrones espaciales y convoluciones dilatadas para codificar la información temporal. 3. Sistema de entrenamiento de la red. 4. Método de clasificación final de los frames.