Investigadores de la Universidad Rey Juan Carlos han desarrollado un método para recrear el cráneo en imágenes obtenidas por resonancia magnética. Esto permite crear modelos específicos de cada paciente y mejorar la calidad de imagen, tanto de resonancia magnética como de tomografía por emisión de positrones (PET).
La imagen por resonancia magnética es una técnica no invasiva, utilizada para obtener información de los tejidos y los órganos. Sin embargo, para visualizar las estructuras óseas es necesario recurrir a otras técnicas más agresivas, como los rayos X.
Ahora investigadores del Laboratorio de Análisis de Imagen Médica y Biometría de la red de laboratorios de Madri+d, gestionado por el Área de Tecnología Electrónica de la Universidad Rey Juan Carlos (URJC), proponen una técnica de tratamiento de imagen que estima la estructura y morfología del cráneo de un individuo, con la ayuda de una base de datos de imágenes de tomografía axial computarizada (TAC, que usa rayos X) y partiendo de las de resonancia magnética. El estudio se ha publicado en la revista Magnetic Resonance in Medicine.
“A partir de una imagen de resonancia magnética normal creamos un modelo anatómico completo de la cabeza de cada paciente”, explica Norberto Malpica, investigador de la URJC y coautor del estudio, quien añade que “en la imagen de resonancia magnética inicial separamos las distintas regiones: tejidos cerebrales, ojos, arterias, piel, agua, grasa y el cráneo para obtener toda la información necesaria”.
Con los escáneres actuales, al aumentar el campo se aumenta la energía aplicada al paciente, que puede provocar calentamiento local en la zona, por lo que no todos los pacientes pueden someterse a estas pruebas. “El objetivo es planificar la adquisición específica para cada paciente. Según la estructura real de la cabeza y los tejidos de ese paciente, podremos minimizar el calentamiento y optimizar el rendimiento de los sistemas de resonancia magnética”, destaca el investigador.
En la misma línea de trabajo, se ha mejorado la calidad de imagen en escáneres simultáneos PET-MR (tomografía por emisión de oositrones-resonancia magnética), donde es muy importante estimar la localización del cráneo, y así corregir la imagen de PET. En colaboración con el Hospital de Madrid Puerta del Sur y con investigadores del área de Computación de la URJC se ha desarrollado un método similar para esta aplicación. Este otro trabajo se ha publicado en el Journal of Nuclear Medicine.
Consorcio Madrid-MIT M+Visión
Este estudio se enmarca dentro de un proyecto de investigación, perteneciente al Consorcio Madrid-MIT M+Visión, en el que también colaboran investigadores del Área de Matemáticas de la URJC, que trabajan en la optimización de la adquisición de imagen. El proyecto persigue aumentar la seguridad y la eficiencia de los sistemas de resonancia magnética para obtener imagen en esclerosis múltiple.
El Consorcio fue creado en 2010 por la Comunidad de Madrid, a través de la Fundación madri+d para el Conocimiento, en colaboración con el Instituto Tecnológico de Massachusetts (MIT) de Boston, junto con la Universidad de Harvard y otros centros de investigación madrileños. Se trata de una alianza entre líderes en ciencia y tecnología dedicada a reforzar el posicionamiento y la imagen de Madrid como epicentro de la investigación biomédica.
Entre otras muchas acciones que se llevan a cabo en el Consorcio, una de ellas es atraer a investigadores de todo el mundo: ingenieros, médicos, científicos y empresarios con el objetivo de generar nuevos proyectos de alto impacto que consigan detectar desde la tecnología las necesidades médicas reales que aún no estén resueltas.
Referencias bibliográficas:
Torrado-Carvajal A, Herraiz JL, Hernandez-Tamames JA, San Jose-Estepar R, Eryaman Y, Rozenholc Y, Adalsteinsson E, Wald LL, Malpica N. "Multi-atlas and label fusion approach for patient-specific MRI based skull estimation". Magnetic Resonance in Medicine 75: no. 4, pp. 1797-1807, Apr 2016.
Torrado-Carvajal A, Herraiz JL, Alcain E, Montemayor AS, Garcia-Cañamaque L, Hernandez-Tamames JA, Rozenholc Y, Malpica N. "Fast Patch-Based Pseudo-CT Synthesis from T1-Weighted MR Images for PET/MR Attenuation Correction in Brain Studies". J Nucl Med. 2016 Jan;57(1):136-4.
El pájaro robótico PigeonBot II, probado con éxito en un túnel de viento y de manera autónoma al aire libre, logra volar de manera similar a estas aves, sin aleta vertical. Sus aplicaciones abren el camino para diseñar aviones más eficientes en combustible.
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
