Síntesis de neuroimágenes diagnósticas mediante el uso de una estrategia de aprendizaje profundo generativo
No Thumbnail Available
Date
2024-11-08
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Las neuroimágenes son esenciales para la caracterización de alteraciones estructurales y funcionales de enfermedades neurológicas. Para la asistencia y caracterización efectiva de hallazgos radiológicos, en algunas enfermedades, es imprescindible el uso complementario de imágenes, permitiendo asociar patrones estructurales con funcionales o brindando una mayor definición y seguimiento de las afecciones detectadas. Sin embargo, en la rutina clínica, muchas veces es desafiante contar con todas las secuencias, debido a contraindicaciones de pacientes o la disponibilidad de los dispositivos de captura. Particularmente, en este trabajo abordaremos este problema para el accidente cerebrovascular (ACV) y la enfermedad del Parkinson (EP), teniendo en cuenta el carácter complementario requerido para la caracterización efectiva de estas enfermedades. En cuanto al ACV, primero se hace un tamizaje para determinar el origen de la interrupción del flujo sanguíneo con tomografías (NCCT) y luego se cuantifica el volumen de la lesión desde secuencias de resonancia ponderada por difusión (DWI, ADC). En cuanto a la EP, las resonancias T1 permiten hacer un análisis estructural del cerebro, mientras que el SPECT complementa este análisis brindando información sobre la deficiencia de neurotransmisores dopaminérgicos. En este trabajo se implementó una estrategia de aprendizaje de difusión condicional para la síntesis de neuroimagenes complementarias tanto en el dominio del ACV como en el dominio de la EP. En cuanto al ACV, la estrategia fue entrenada y validada para realizar síntesis de resonancias DWI y ADC desde imágenes NCCT, utilizando un conjunto propio de 95 pacientes y logrando puntajes de reconstrucción SSIM de 0.55 para DWI y 0.45 para ADC. En cuanto a la EP, la estrategia fue ajustada para realizar síntesis de secuencias SPECT desde resonancias T1, utilizando un conjunto público de 115 pacientes y logrando un SSIM de 0.98.
Description
Keywords
Enfermedades cerebrovasculares, Enfermedades neurodegenerativas, Síntesis de neuroimágenes, Aprendizaje generativo, Modelos de difusión