El investigador del CiTIUS de la Universidad de Santiago de Compostela Julián Lamas explica en su tesis doctoral cómo mejorar procesado de imagen médica en tres dimensiones (3D), explicando las distintas técnicas que ha aplicado para maximizar el rendimiento de los algoritmos empleados en la investigación, multiplicando su eficiencia por más de 50.
Pruebas médicas comunes, como resonancias magnéticas o tomografías computarizadas, son sólo algunos ejemplos de lo que la tecnología, y en particular las técnicas de imagen médica, aportan diariamente al ámbito sanitario. El desarrollo de estas herramientas de diagnóstico ha facilitado a los profesionales de la salud información muy valiosa en forma de datos, que deben ser procesados de la manera más eficiente posible para permitir una visualización óptima de los resultados en tiempo real.
Lamas, que ha obtenido el grado de doctor tras la defensa de su tesis en el centro, presenta en ella su aproximación a la problemática del procesado de imagen médica en tres dimensiones (3D), explicando las distintas técnicas que ha aplicado para maximizar el rendimiento de los algoritmos empleados en la investigación -es decir, del conjunto de operaciones matemáticas que tienen lugar a lo largo del proceso-.
Los resultados obtenidos, informa CiTIUS (Centro Singular de Investigación en Tecnoloxías da Información) en una nota de prensa, demuestran que es posible multiplicar la eficiencia de algunos de estos algoritmos por más de 50, un avance que permitirá abordar costosos procesos computacionales de visualización y diagnóstico en los propios centros hospitalarios, por medio de hardware de bajo coste -concretamente tarjetas gráficas o Graphics Processing Units (GPUs)-.
Más rápido y menos invasivo
El procesado de imagen en 2D y 3D ha resultado clave en el avance de la medicina moderna, pero su complejidad hace imprescindible el desarrollo de estrategias que permitan afrontar con garantías muchos de los retos planteados en la actualidad, como la cirugía mínimamente invasiva o los sistemas de ayuda al diagnóstico a través de la imagen; a día de hoy, el principal problema con el que cuentan estos sistemas es que están basados en algoritmos muy costosos a nivel computacional, por lo que en muchos casos su utilización en tiempo real resulta inviable.
La tesis de Julián Lamas, que ha obtenido la máxima nota académica (sobresaliente Cum Laude), contribuirá al desarrollo de nuevos sistemas para manejar la imagen médica en tiempo real sobre infraestructuras de uso cotidiano, como son las GPUs (Unidades de Procesamiento Gráfico), reduciendo así los costes y facilitando el acceso a este tipo de pruebas médicas a un número mucho mayor de usuarios.
Segmentación y visualización
El trabajo se ha centrado en las tareas de segmentación (usada, por ejemplo, para la identificación de órganos y tejidos o la detección de nódulos cancerígenos) y visualización, con el objetivo de que los especialistas puedan consultar los diferentes tipos de imagen médica sin esperas. En el primer caso, la tesis ha demostrado que es posible multiplicar la eficiencia del proceso por más de 50, mientras que las tareas de visualización aumentan su eficiencia entre 5 y 12 veces.
Una de las principales estrategias planteadas ha consistido en el desarrollo del operador «divide y fusiona», que permite repartir el trabajo entre todos los procesadores disponibles en la GPU, para posteriormente fusionar los resultados. Por otra parte, también se han diseñado nuevas formas de visualizar información comprimida, debido a que las GPUs no siempre disponen de la memoria suficiente para trabajar con imagen médica en su formato original; una aportación que, en palabras del autor, «ha supuesto modificaciones muy importantes sobre los algoritmos originales».
Los resultados de esta investigación aportarán valor añadido a los sistemas de diagnóstico utilizados por los profesionales sanitarios en la actualidad, como demuestra el hecho de que algunas de las soluciones desarrolladas en la tesis ya han sido integradas en Amira, una plataforma de software comercial para la visualización de imagen médica líder en el mercado.
