Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

MedImaging

Deascargar La Aplicación Móvil
Noticias Recientes Radiografía RM Ultrasonido Medicina Nuclear Imaginología General TI en Imaginología Industria

La imagenología hiperespectral es una ayuda en la neurocirugía del cerebro

Por el equipo editorial de MedImaging en español
Actualizado el 28 Nov 2018
Un nuevo proyecto de investigación adapta la imagen hiperespectral (HSI, por sus siglas en inglés) para discriminar entre los tejidos sanos y los malignos en el cerebro durante los procedimientos quirúrgicos.

Investigadores de la Universidad de Las Palmas de Gran Canaria (ULPGC; España), el Colegio Imperial de Londres (ICL; Reino Unido), la Universidad Politécnica de Madrid (UPM; España) y otras instituciones que participan en el proyecto Detección del Cáncer mediante Imagenología HipErspectraL (HELICoiD) explotan la HSI para desarrollar un dispositivo capaz de delimitar el tejido tumoral canceroso del tejido cerebral normal durante las operaciones neuroquirúrgicas, lo que permite a los cirujanos minimizar el margen del tejido sano necesario para evitar una metástasis potencial.

Imagen: Imagen hiperespectral del cerebro; el tumor está indicado por píxeles rojos (Fotografía cortesía del proyecto HELICoiD).
Imagen: Imagen hiperespectral del cerebro; el tumor está indicado por píxeles rojos (Fotografía cortesía del proyecto HELICoiD).

El dispositivo prototipo está compuesto por dos cámaras hiperespectrales que cubren un rango espectral de 400–1.700 nm. Se utiliza un acelerador de hardware para aumentar la velocidad del algoritmo de detección de cáncer cerebral con imagenología hiperespectral y lograr el procesamiento durante el tiempo de la cirugía, desarrollado utilizando un conjunto de datos etiquetados compuesto por más de 300.000 firmas espectrales. En un estudio preliminar, los mapas temáticos de siete imágenes hiperespectrales de tejido cerebral in vivo capturadas y procesadas durante operaciones neuroquirúrgicas demostraron que el sistema es capaz de discriminar el tejido normal del tumoral del cerebro en un minuto.

Para lograr esta discriminación en tiempo real, se procesan enormes cantidades de información capturadas por los sensores utilizando un algoritmo de filtrado K-Nearest Neighbors (KNN), que se optimiza y paraleliza mediante la utilización de la tecnología de unidad de procesamiento gráfico (GPU) para el procesamiento en tiempo real durante los procedimientos quirúrgicos del cáncer de cerebro. La versión paralela del algoritmo de filtrado de KNN puede manejar efectivamente los requisitos computacionales extremadamente altos necesarios para evaluar diferentes clases simultáneamente. El estudio que describe el proceso de desarrollo de HIS se publicó en la edición de julio de 2018 de la revista Sensors.

“Ellos, siendo los neurocirujanos, tenían un problema y nosotros teníamos una tecnología. Pero el tumor y el cerebro de cada paciente producen una huella digital espectral única, por lo que los primeros algoritmos para hacer imágenes utilizables se demoraron media hora; ahora el tiempo total es de alrededor de seis segundos”, dijo el coautor del estudio, el profesor Gustavo Marrero Callicó, PhD, de la ULPGC. “Ahora están equipados para proporcionar a los neurocirujanos una herramienta para operar en los márgenes más estrechos en tiempo real. El siguiente objetivo es refinar la base de datos para que sea lo suficientemente general como para detectar cánceres en muchas situaciones”.

La HSI puede ayudar a adquirir un gran número de bandas espectrales en todo el espectro electromagnético (tanto dentro como fuera del rango visual) con una resolución espacial muy fina. Tan fina, de hecho, que para cada píxel de imagen se puede detectar un espectro completo de color. Usando esta información y algoritmos complejos de clasificación, es posible determinar qué material o sustancia se encuentra en cada píxel.

Enlace relacionado:
Universidad de Las Palmas de Gran Canaria
Colegio Imperial de Londres
Universidad Politécnica de Madrid




Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Ultrasound Needle Guide
Ultra-Pro II
New
Ultrasound Software
UltraExtend NX
Compact C-Arm with FPD
Arcovis DRF-C R21

Últimas Imaginología General noticias

Software de planificación quirúrgica preoperatoria de RA hace que la cirugía sea más segura y eficiente

Biopsia virtual impulsada por IA ayuda a evaluar cáncer de pulmón a partir de exploraciones médicas

Nuevos materiales imprimibles en 3D para cirugía reconstructiva se pueden monitorear mediante rayos X o TC