CONICET | Buscador de Institutos y Recursos Humanos

Proposito: En este trabajo se introduce SIMECO, un simulador de ecografías que utiliza inteligencia artificial para mejorar el realismo de las imágenes simples y poco realistas simuladas con algoritmos de trazado de rayos (RCA).Materiales y Métodos: SIMECO toma como entrada una imagen volumétrica de tomografía computada (CT) abdominal, la segmentación a nivel vóxel de sus órganos principales y la ubicación del transductor. A partir de las coordenadas del último, se extrae un corte del CT y la segmentación y se simula una primera imagen de US utilizando RCA. Posteriormente, ésta es mejorada empleando una red neuronal generativa antagónica (GAN), entrenada para mapear imágenes simuladas por RCA a US reales. El modelo fue entrenado con 617 capturas reales de US abdominal proveniente de 11 sujetos sin ninguna enfermedad conocida (40% mujeres). Además, se generaron 926 cortes simulados con RCA de 13 volúmenes segmentados de CT, de los cuales 3 fueron reservados para evaluar el algoritmo. Resultados: Cualitativamente, las imágenes obtenidas con SIMECO son más realistas que las alcanzadas utilizando RCA, logrando mejores imitaciones de los patrones de moteado y niveles de ecogenicidad de los tejidos del abdomen compatibles con los observados en pacientes reales. El modelo, además, simula estructuras no incluidas explícitamente en los modelos de RCA, tales como el tejido subcutáneo. Como evaluación cuantitativa, se prevé en un futuro realizar un test doble ciego con especialistas en ultrasonido para rankear su realismo. Conclusión: SIMECO genera imágenes de US realistas y permite simular nuevos pacientes a partir de únicamente un CT de abdomen y su segmentacion asociada. Esto permite recrear escenarios de estudio artificialmente sin necesitar de sujetos voluntarios in-situ con determinadas patologías de interés, tornando al simulador útil para entrenar ecografistas sin requerir de un dispositivo real.

enviar mensaje