MODELO MULTIMODAL PARA LA SEGMENTACIÓN DE LESIONES DE ACV ISQUÉMICO EN ESTUDIOS DE RESONANCIA MAGNÉTICA
No Thumbnail Available
Date
2024-05-17
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
Los accidentes cerebrovasculares (ACV) son la segunda causa de muerte a nivel mundial, reportando más de 100 millones de personas afectadas anualmente. Accidentes cerebrovasculares existen de dos tipos, hemorrágico e isquémico. Particularmente, el ACV isquémico es el tipo de lesión con mayor prevalencia y con un alto riesgo de morbilidad asociado.
La obtención de hallazgos radiológicos para la cuantificación de la lesión en estudios de resonancia magnética es clave para el diagnóstico, establecer un procedimiento clínico y estimar un pronóstico del paciente. Esta tarea se realiza mediante estudios imagenologicos especiales (estudios paramétricos) que permiten cuantificar la hemodinámica cerebral y brindan información sobre el tejido intracraneal, como por ejemplo el Coeficiente Aparente de Difusión (ADC, por sus siglas en inglés), Imagen de Difusión Ponderada (DWI, por sus siglas en inglés), Recuperación de la Inversión Atenuada por Fluidos (FLAIR, por sus siglas en inglés), entre otras.
De forma observacional, un experto analiza múltiples de estas imágenes al mismo tiempo, usando la complementariedad entre estas para realizar la segmentación de la lesión isquémica. A pesar de los avances reportados en la literatura, las estrategias computacionales siguen presentando limitaciones para capturar la complejidad y alta variabilidad de la lesión. Este trabajo busca implementar un esquema multimodal que integre al menos dos estudios paramétricos de resonancia magnética, aprovechando hallazgos radiológicos complementarios que permitan la cuantificación de las lesiones relacionadas con ACV.
Para el entrenamiento y validación se contó con un conjunto de datos propio del grupo de investigación BIVL2ab (Biomedical Imaging, Vision and Learning Laboratory) y también se exploró la posibilidad de validaciones en conjuntos públicos disponibles. El modelo implementado fue validado según su capacidad de segmentar lesiones isquémicas para un conjunto de datos no usado en el entrenamiento.
Description
Keywords
Representacion Multimodal, Accidente Cerebrovascular, Coeficiente Aparente de Difusion, Imagen de Difusion Ponderada