Modelo nuevo identifica lesiones de displasia cortical focal a partir de resonancias magnéticas

La epilepsia es un trastorno neurológico caracterizado por convulsiones epilépticas, y la displasia cortical focal (DCF) es una causa primaria de epilepsia resistente a fármacos. El tratamiento más eficaz para la DCF es la extirpación quirúrgica de las lesiones, que depende en gran medida de su localización y delineación precisas. Sin embargo, la detección de lesiones de DCF en imágenes de resonancia magnética (RM) sigue siendo un desafío importante en la práctica clínica debido a las sutiles alteraciones estructurales que inducen. Ahora, un modelo basado en transformadores multiescala propuesto para la segmentación de extremo a extremo de lesiones de DCF a partir de imágenes de RM multicanal combina un marco de codificador-decodificador basado en red neuronal convolucional (CNN) con vías de transformadores multiescala, mejorando la representación de características de las lesiones dentro de un campo de visión global.

Un equipo de investigación del Instituto de Tecnología Avanzada de Shenzhen (SIAT, Shenzhen, China) de la Academia China de Ciencias, junto con colaboradores, realizó un estudio que demuestra que el codificador CNN extrae características locales, que posteriormente se introducen en las vías de transformación correspondientes para capturar características globales a diferentes escalas. Para minimizar la complejidad y evitar el sobreajuste, los investigadores emplearon un módulo de autoatención dual (DSA) eficiente en términos de computación y memoria para construir la vía de transformación. Este módulo DSA incluye una rama espacial y una rama de canal, que identifican dependencias de largo alcance entre las posiciones de las características y los canales, enfatizando de manera efectiva las áreas y los canales relevantes para las lesiones.

Imagen: Marco de segmentación de lesiones DCF basado en transformadores multiescala (foto cortesía de Siat/doi.org/10.1186/s13244-024-01803-8)

Los investigadores entrenaron y evaluaron el modelo propuesto utilizando un conjunto de datos públicos de imágenes de RM de 85 pacientes, empleando métricas tanto a nivel de sujeto como a nivel de vóxel. Los hallazgos experimentales, publicados en la revista Insights into Imaging , revelaron que el método propuesto detectó lesiones con éxito en el 82,4 % de los pacientes, con una baja tasa de grupos de lesiones de falsos positivos de 0,176 ± 0,381 por paciente. Además, el modelo logró un coeficiente Dice promedio de 0,410 ± 0,288, superando a cinco métodos establecidos.

"Hasta donde sabemos, este es el primer estudio que aplica un modelo basado en transformadores para la segmentación de lesiones de FCD", dijo la Dra. Xu Jinping de SIAT, quien dirigió el equipo. "Nuestro estudio promete ser una herramienta valiosa para los médicos, permitiéndoles detectar lesiones de FCD con rapidez y precisión".