Melloran no CiTIUS o procesamento de imaxe médica 3D

Probas médicas comúns, como resonancias magnéticas ou tomografías computarizadas, son só algúns exemplos do que a tecnoloxía, e en particular as técnicas de imaxe médica, achegan diariamente ao ámbito sanitario. O desenvolvemento destas ferramentas de diagnóstico ten facilitado aos profesionais da saúde información moi valiosa en forma de datos, que deben ser procesados do xeito máis eficiente posible para permitir unha visualización óptima dos resultados en tempo real.

O investigador do CiTIUS Julián Lamas, que obtivo o grao de Doutor tras a defensa da súa tese no centro, presentou neste traballo a súa aproximación á problemática do procesado de imaxe médica en tres dimensións (3D), explicando as distintas técnicas que aplicou para maximizar o rendemento dos algoritmos empregados na investigación -é dicir, do conxunto de operacións matemáticas que teñen lugar ao longo do proceso-. Os resultados obtidos demostran que é posible multiplicar a eficiencia dalgúns destes algoritmos por máis de 50, un avance que permitirá abordar custosos procesos computacionais de visualización e diagnóstico nos propios centros hospitalarios, por medio de hardware de baixo custo -concretamente tarxetas gráficas ou Graphics Processing Units (GPUs)-.

Medicina máis rápida e menos invasiva

IMG_6731O procesado de imaxe en 2D e 3D resultou clave no avance da medicina moderna, pero a súa complexidade fai imprescindible o desenvolvemento de estratexias que permitan afrontar con garantías moitos dos retos formulados na actualidade, como a cirurxía minimamente invasiva ou os sistemas de axuda ao diagnóstico a través da imaxe; a día de hoxe, o principal problema co que contan estes sistemas é que están baseados en algoritmos moi custosos a nivel computacional, polo que en moitos casos a súa utilización en tempo real resulta inviable.

A tese de Julián Lamas, que obtivo a máxima nota académica (sobresaínte Cum Laude), contribuirá ao desenvolvemento de novos sistemas para manexar a imaxe médica en tempo real sobre infraestruturas de uso cotián, como son as GPUs, reducindo así os custos e facilitando o acceso a este tipo de probas médicas a un número moito maior de usuarios.

Repartir cálculos e fusionar resultados

O traballo centrouse nas tarefas de segmentación (usadas, por exemplo, para a identificación de órganos e tecidos ou a detección de nódulos canceríxenos) e visualización, co obxectivo de que os especialistas poidan consultar os diferentes tipos de imaxe médica sen esperas. No primeiro caso, a tese demostrou que é posible multiplicar a eficiencia do proceso por máis de 50, mentres que as tarefas de visualización aumentan a súa eficiencia entre 5 e 12 veces.

Unha das principais estratexias formuladas consistiu no desenvolvemento do operador «divide e fusiona», que permite repartir o traballo entre tódolos procesadores dispoñibles na GPU, para posteriormente fusionar os resultados. Por outra banda, tamén se deseñaron novas formas de visualizar información comprimida, debido a que as GPUs non sempre dispoñen da memoria suficiente para traballar con imaxe médica no seu formato orixinal; unha achega que, en palabras do autor, «supuxo modificacións moi importantes sobre os algoritmos orixinais».

Os resultados desta investigación achegarán valor engadido aos sistemas de diagnóstico utilizados polos profesionais sanitarios na actualidade, como demostra o feito de que algunhas das solucións desenvolvidas na tese xa foron integradas en AMIRA, unha plataforma de software comercial para a visualización de imaxe médica líder no mercado.Facebooktwitterlinkedinmail

Comments are closed.