Registración y fusión de imágenes médicas mediante técnicas de optimización estadística e inteligencia computacional

Abstract

En el presente trabajo se aborda la temática de la Registración de imágenes médicas. La registración tiene como finalidad alinear geométricamente dos o más imágenes que comparten información común y, a su vez, presentan información complementaria. Dentro del campo médico, este proceso tiene gran relevancia, ya que permite la comparación de imágenes que han sido adquiridas en distintos instantes de tiempo o en distinta modalidad. Además, es el paso previo para procesos mucho más complejos como son la fusión de imágenes, la segmentación, entre otros. La registración es un problema de optimización que incluye el procesamiento de imágenes. Por tanto, a lo largo de este trabajo se abordan estos dos temas centrales desde varias perspectivas. El caso de la optimización se aborda desde el enfoque estocástico y de la programación evolutiva mediante el estudio y posterior aplicación de algoritmos inspirados en el comportamiento de sistemas biológicos entre los que están las colmenas de abejas o las colonias de hormigas. El procesamiento de imágenes es, sin duda, una de las técnicas actuales más relevantes, debido a la alta capacidad de los equipos de adquisición y de las herramientas computacionales para su posterior adecuación y mejora. Desde esta perspectiva, se ha abordado el filtrado y extracción de características invariantes en imágenes. Esta extracción permite obtener información relevante tanto local como global de una imagen, pero además con la propiedad de invariancia frente a ciertas transformaciones geométricas, lo que permite el emparejamiento de dos o más imágenes con información compartida. Los métodos SIFT y SURF han servido como base para el desarrollo de una propuesta para la extracción de forma automática de marcadores anatómicos en imágenes médicas y su posterior aplicación en el proceso de registración. Una de las áreas más atractivas en los últimos años dentro de las ciencias computacionales y la ingeniería, es sin duda la inteligencia computacional, campo fundamental de la inteligencia artificial. Esta depende directamente de los métodos que permiten que un sistema o agente inteligente pueda aprender a partir de datos. A esto se lo conoce como Aprendizaje de máquina o Machine Learning. Este trabajo aborda uno de sus métodos principales denominado aprendizaje por refuerzo. Además, se aborda el aprendizaje profundo o Deep Learning desde el fundamento del aprendizaje por refuerzo. Este tiene como finalidad que un agente artificial aprenda desde la experiencia al interactuar directamente con su entorno. El algoritmo Q-Learning ha servido de base para el estudio de este método junto con los nuevos aportes basados en sistemas no lineales como las redes neuronales que han dado el inicio a una amplia gama de aplicaciones en teoría de juegos, redes de energía inteligentes y, por supuesto, el diagnóstico médico. En este trabajo se aborda el aprendizaje por refuerzo y el aprendizaje por refuerzo profundo enfocados en dar una alternativa a la registración de imágenes utilizando esta tecnología y métodos muy recientes. Esta tesis tiene como objetivo central brindar una nueva visión con relación a la registración de imágenes mediante el aporte de nuevos resultados obtenidos con los métodos mencionados previamente. Estos han demostrado ser interesantes y prometedores, especialmente cuando se los compara con métodos muy aceptados en este campo de investigación. Esta Tesis está estructurada de la siguiente manera: • Capítulo 1 – Introducción En este capítulo se presenta el contexto general y específico en que están involucrados la registración de imágenes. Además, se analizan los avances previos realizados, especialmente dentro del área médica. Finalmente, se expone la metodología que será utilizada en el desarrollo de esta tesis. • Capítulo 2 – Registración y fusión de imágenes En este capítulo se presentan los conceptos y características propias de la registración y la fusión de imágenes. También se introducen las técnicas de procesamiento de imágenes más útiles y adecuadas para la solución al problema de alineamiento. • Capítulo 3 – Optimización En este capítulo se presenta la definición formal y los alcances de la optimización. Además, se introduce en el ámbito de la optimización estocástica junto con los métodos y técnicas más utilizadas. Finalmente, se presentan los aportes realizados en torno a la optimización estocástica y posteriormente los resultados dentro de la registración de imágenes médicas. • Capítulo 4 – Extracción de características En este capítulo se analizan y describen de manera específica las técnicas de extracción automática de características en una imagen. Se describen algunos métodos utilizados con este objetivo. Finalmente, se presentan los aportes realizados utilizando este método en torno a la registración de imágenes médicas. • Capítulo 5 - Inteligencia computacional En este capítulo se presenta el paradigma de la inteligencia computacional y su campo de aplicación dentro del procesamiento de imágenes. Además, se describe el enfoque del aprendizaje por refuerzo y del aprendizaje por refuerzo profundo, el cual se considera uno de los adecuados para abordar la registración de imágenes. Finalmente, se presentan los aportes realizados a esta área con imágenes médicas. • Capítulo 6 – Conclusiones En este capítulo se exponen las conclusiones obtenidas durante el presente trabajo. Además, se analizan los alcances de los objetivos propuestos y se propone el trabajo futuro.