SOCH: modelo de segmentación automática de imágenes PET

IGNACIO SCARINCI; MAURO VALENTE; PEDRO PÉREZ

León - Guanajuato

Congreso; Congreso de Ingeniería y Física Aplicada a la Biomedicina (CIFAB) 2021; 2021

Universidad de Guanajuato - León

El uso de radioisótopos en medicina es cada vez más común, tanto para eldiagnóstico por imágenes como para procedimientos terapéuticos. En estosúltimos. los niveles de dosis necesarios son muy altos y debe por tantoasegurarse que la actividad administrada se ajuste a los límites en los que lostejidos sano reciban la menor cantidad de radiación posible mientras que semaximiza la dosis entregada en el tejido/órgano bajo tratamiento. Los actualesavances en el campo de la teragnóstica en medicina nuclear, permiten realizartanto el tratamiento como el diagnóstico al mismo tiempo, posibilitando unamejor planificación y una posterior cuantificación de la dosis recibida en cadaparte del cuerpo. La precisión y representatividad de los diferentes esquemasde cálculo dosimétrico requieren como insumo esencial la capacidad de, enprimera instancia, contar con imágenes de la bio-distribución de actividad paradiferentes tiempos a fin de estimar la evolución de la actividad de cadaórgano/tejido, derivada de la actividad suministrada, típicamente por víaendovenosa u oral.El presente trabajo propone, desarrolla e implementa un pipeline basado entécnicas de aprendizaje automático, que se ha denominado SOCH y es capazde segmentar imágenes PET. Se utilizan dos algoritmos de clustering nosupervisado en distintas etapas del procedimiento: primero se utiliza la técnicade k-means, un algoritmo clásico en el área del aprendizaje no supervisado yde amplio uso; mientras que en segunda etapa se utiliza HDBSCAN, unclusterizador espectral basado en el algoritmo DBSCAN que aún no había sidoutilizado en el segmentado de imágenes médicas.Los resultados obtenidos muestran la capacidad y potencialidad de SOCH parala segmentación automática de imágenes PET para la cuantificación de laactividad suministrada.