View
308
Download
0
Category
Preview:
Citation preview
Acto de lectura y defensa de tesis doctoral
Jose María Salinas Serrano
Director: Dr. Miguel Angel Cazorla Quevedo
Cloud CEIB I+D
Sistema de gestión y extracción de conocimiento de la imagen médica.
Universidad de Alicante
Hospital Universitario San Juan de Alicante
20 junio 2013
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Bioimagen y sistemas de información en el mundo sanitario
Generalidades de la bioimagen
¿Qué es la bioimagen o imagen
médica?
Def: Conjunto de técnicas y procesos usados para generar
imágenes completas o parciales del cuerpo humano
¿Para qué sirve?
• Revelado, diagnóstico y exámen de enfermedades
• I+D médica
¿Qué tipos hay?
• Clasificación por energía utilizada
o Rayos X, rayos γ, ultrasonidos, radiofrecuencia, luz, ...
• Clasificación por dimensiones de adquisición
o Unidimensionales, 2D, 3D, 4D , ...
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Bioimagen y sistemas de información en el mundo sanitario
Generalidades de la bioimagen - La resonancia magnética
Representación 3D de los píxeles (vóxeles) de la imagen por
RM
Tipos de RM por potenciación
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Bioimagen y sistemas de información en el mundo sanitario
Generalidades de la bioimagen - Biomarcadores
¿Qué es un biomarcador?
Def: Características extraídas de las imágenes adquiridas de un sujeto, que
pueden medirse de forma objetiva y que se comportan como un indicador de un
proceso biológico normal, una enfermedad o una respuesta a una intervención
terapéutica
¿Para qué sirven?
• Información complementaria muy útil al diagnóstico y seguimiento
• I+D en el desarrollo de fármacos
¿Qué tipos hay?
• Desde los más simples (tamaño, forma, ...) hasta complejos modelos
computacionales (atrofia, conectividad, ...)
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Bioimagen y sistemas de información en el mundo sanitario
Postproceso de imagen médica
Formatos
Suite
Algoritmos
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Bioimagen y sistemas de información en el mundo sanitario
Sistemas de información en el mundo sanitario
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Bioimagen y sistemas de información en el mundo sanitario
Sistemas de información en el mundo sanitario - RIS - PACS
Sistemas de gestión de imágenes (PACS) e informado (RIS)
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Objetivo y motivación
Heterogeneidad de datos, mala accesibilidad, desconocimiento
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Objetivo y motivación
La comparación de estudios es compleja debido a la diversidad
de herramientas, formatos y metodologías
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Objetivo y motivación
Proyecto de imagen médica digital de la AVS
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Objetivo y motivación
Objetivos
Definir una arquitectura escalable y modular que permita la
explotación de la información y conocimiento contenida en los
bancos de imágenes médicas.
Ofrecer a la comunidad científica una plataforma para la
gestión y el aprovechamiento de este conocimiento
Con este conocimiento, ofrecer al profesional clínico servicios
de valor añadido que mejoren la historia clínica electrónica
del paciente
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Cloud CEIB I+D
Visión general del sistema
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
Visión general del sistema - transformación de la información
Datos
Información
VALOR
Inteligencia
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
Comunidad científica
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
SISAN
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
GIMC
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
Motor de búsqueda
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
CEIBANON
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
GEBID
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE - Postproceso
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE - Cuantificador
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE - Datamining
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
BIKE - Clasificador
Herramientas que permiten la clasificación múltiple
supervisada de la bioimagen dentro de una serie de
agrupaciones diagnósticas existentes, para la
creación de sistemas SADI.
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Un ejemplo práctico: NeuroBIM-MS
Visión general del sistema
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Obtención de imágenes - modalidad directa
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Obtención de imágenes - modalidad manual
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Obtención de imágenes - anonimización
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Gestión de las imágenes
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Gestión de las imágenes
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Gestión de las imágenes - modelo de datos
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Postproceso de las imágenes
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Caso de estudio 1: Atrofia cerebral
Paso 1: Selección, envío y clasificación de estudios
39 estudios
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Caso de estudio 1: Atrofia cerebral
Paso 2: Postproceso
Utilizamos el algoritmo de SIENAX de la librería FSL (Smith, S.M. et al., 2002)
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Caso de estudio 1: Atrofia cerebral
Paso 3: Resultados
Se generan informes PDF individualizados con el estudio de atrofia y se envían a
GEBID NeuroBIM-MS, donde podrán ser consultados por SISAN
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Comunicación con SISAN
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Paso 1: Selección y envío de imágenes
11 estudios
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Paso 2: Clasificación y tipo de estudio
Diseño de algoritmo de detección de carga lesional en sustancia blanca
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Se disponen de 11 estudios y 1 mapa de carga probabilística :
• 5 estudios en RM Siemens M. Trio de 3T
• 6 estudios en RM Siemens M. Avanto de 1,5T
• Secuencias DP, T1, FLAIR y T2
• Fichero ROI con la carga lesional detectada por expertos
en la secuencia DP
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Paso 3: Postproceso
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Paso 3: Postproceso
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Fundamentos del algoritmo diseñado con script FSL:
1.- Suavizado de la secuencia T1 (SUSAN)
2.- Corregistro lineal de las secuencias T1, FLAIR y Mapa probabilístico de
carga lesional con la DP (FLIRT)
3.- Extracción del cerebro en la secuencia T1 (BET)
4.- Segmentación de tejidos (FAST)
5.- Operación morfológica de cierre en la sustancia blanca probabilística
(FSLMATHS)
6.- Aislar sustancia blanca en FLAIR a partir de la T1 (FSLMATHS)
7.- Análisis estadístico de la SB en FLAIR (FSLSTATS)
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Paso 3: Postproceso
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Fundamentos del algoritmo diseñado con script FSL:
8.- Obtenemos el IQR (índice intercuartílico) como la diferencia entre el
primer y el tercer percentil.
9.- Aislamos los vóxeles cuya intensidad supera el umbral definido por la
suma del tercer percentil más el 150% del IQR (FSLMATHS)
10.- Se eliminan aquellos vóxeles que no se encuentran en el mapa
probabilístico de carga lesional para evitar falsos positivos (FSLMATHS)
11.- Se dilata la imagen obtenida para obtener un umbral máximo de
regiones conexas de carga lesional (práctica clínica) (BWMORPH)
12.- Obtenemos la máscara final de carga lesional en forma de mapa
probabilístico
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Paso 4: Proceso de validación y resultados
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Un ejemplo práctico: NeuroBIM-MS
Caso de estudio 2: Detección de carga lesional en sustancia blanca
Paso 4: Proceso de validación y resultados
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Conclusiones y trabajos futuros
Conclusiones
• Se ha propuesto un sistema de gestión y extracción de conocimiento de la imagen
médica
• Este sistema ofrece tanto a profesionales clínicos como a investigadores un
entorno de trabajo homogéneo, accesible y escalable.
• Se ha puesto en marcha una instancia real de uso de este sistema, NeuroBIM-
MS, aplicado al estudio de la esclerosis múltiple.
• Se han realizado casos de estudio reales de postproceso de imagen y cálculo de
biomarcadores a través del motor de conocimiento.
• Se dota de valor añadido a la historia clínica electrónica del paciente.
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Conclusiones y trabajos futuros
Trabajos futuros
General: Arquitectura escalable y modular. Trabajar en la optimización y mejora.
SISAN: Avanzar en los procesos de estandarización de protocolos de
comunicación entre aplicaciones, captura de imágenes, identificación de
pacientes, etc.
GIMC: Avanzar en la comunicación con los diferentes bancos de imágenes a
través del desarrollo del módulo SE.
CEIBANON: Trabajar en diferentes niveles de anonimización (texto, gráfico,
deidentificación, ...) actualizando las normas dictadas en materia de protección de
datos.
GEBID: Trabajar en la creación de nuevas funcionalidades específicas de cada
tipo de imagen o ensayo clínico a través del desarrollo de plugins para XNAT
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Conclusiones y hoja de ruta de Cloud CEIB I+D
Trabajos futuros
BIKE Postproceso: Actualizar e incluir nuevas suites de herramientas libres para
el postproceso de imagen.
BIKE Datamining: Enriquecimiento de cabeceras DICOM para un mayor
potencial de explotación.
BIKE Cuantificador: Trabajar en el análisis, prueba y cuantificación de nuevos
algoritmos y técnicas de cálculo de biomarcadores
BIKE Clasificador: Estudio de aplicación de nuevas técnicas de aprendizaje y
clasificación para el diseño de sistemas SADI.
Concepto de BIKE-OLOGIES
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
• Bioimagen y sistemas de información
en el mundo sanitario
• Objetivo y motivación
• Cloud CEIB I+D
• Un ejemplo práctico: NeuroBIM-MS
• Conclusiones y trabajos futuros
• Aportaciones de esta tesis
Aportaciones de esta tesis
Publicaciones y Congresos
• "Management and knowledge extraction system for bioimaging in the cloud".
José María Salinas Serrano, Miguel Cazorla, Maria de la Iglesia-Vaya, Luis Martí-
Bonmatí, Alex Rovira, Alejandro Mañas, Pablo Escobar. Journal of the American
Medical Informatics Association (JAMIA). Pending.
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Publicaciones y Congresos
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Publicaciones y Congresos
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Actividad docente
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Proyecto NeuroBIM-MS
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Proyecto Eurobioimaging
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Aportaciones de esta tesis
Proyecto Eurobioimaging
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Cloud CEIB I+D
GEBID
Introducción Objetivos Cloud CEIB I+D NeuroBIM-MS
Conclusiones Aportaciones
Recommended