El procesado de imagen

Siguiendo en mi línea de investigación, continúo divulgando la importancia de los ordenadores en la ayuda a la detección de enfermedades, el cáncer de mama en mi caso. Anteriormente he explicado cómo se forman las imágenes médicas (rayos X, resonancia magnética y ultrasonidos). Pero, una vez tenemos las imágenes, ¿qué podemos hacer con ellas?

En el campo de la inteligencia artificial, existen diferentes algoritmos (o programas informáticos) que se crean para realizar diferentes tareas sobre la imagen. Antes de seguir, quisiera compartir un enlace muy interesante de hace unos días dónde se explica el significado de algoritmo. De todas formas, un algoritmo es una secuencia de órdenes que se le da a un ordenador con una finalidad. Por ejemplo, un algoritmo podría dar las siguientes órdenes:

1. Abrir imagen
2. Calcular valor promedio de píxel
3. Mostrar valor promedio de píxel
4. Cerrar imagen

Evidentemente eso se tiene que escribir en un lenguaje de programación que pueda interpretar el ordenador correctamente.

Una vez claro esto, nos centraremos en las tareas más comunes que utilizamos para procesar las imágenes. En los últimos años, estas tareas son realizadas con gran precisión gracias al aprendizaje profundo (o Deep Learning del inglés), donde una fase de entrenamiento y validación son necesarias.

• Detección. Quizás una de las tareas más importantes sea la localización de un objeto en una imagen, como puede ser la detección de un tumor en una mamografía. Previamente, los médicos nos indican donde se encuentran algunas lesiones en un grupo de imágenes (fase de entrenamiento) y aprovechamos esa información para extraer características típicas de la lesión u objeto (como valores de pixeles) que luego nos ayude a detectar nuevas lesiones u objetos en otras imágenes.

Imagen. Ejemplo de detección de personas (izda.) y de lesiones en una mamografía (drcha.)

• Clasificación. En la clasificación, previo entrenamiento con imágenes anotadas por médicos, podemos llegar a etiquetar tipos de tumores (benigno, maligno), haciendo uso de otras características de la imagen como la textura, forma, etc.

Imagen. Ejemplo de clasificaión de objetos en una imagen (coche, persona, caballo)

• Segmentación. La segmentación nos permite separar un objeto (o lesión) del resto de la imagen. En el caso de tumores, por ejemplo, podríamos tener acceso a información muy útil sobre el tamaño o forma de una manera precisa.

Imagen. Ejemplo de segmentación de personas (izda.) y de tejido mamario en resonancia magnética (drcha.)

• Registro. El registro es algo más complicado de explicar, pero básicamente es un proceso por el cual una imagen se alinea (modifica, fusiona) con otra para localizar el mismo punto en las dos. Existen registros temporales (por ejemplo, una radiografía de hace un año y una actual) o registros multimodales que permiten localizar regiones entre diferentes tipos de imágenes (por ejemplo, entre una radiografía y una resonancia magnética)

Imagen. Ejemplo de registro multimodal entre dos imagenes médica (TAC y PET)

Existen muchas otras tareas para los algoritmos (reducción de ruido, modificación del contraste, reconstrucción de imágenes en 3D, …), pero esta semana (¡santa!) nos quedamos con estas aplicaciones que tienen gran relevancia en la medicina moderna.