Sobresale equipo del CIMAT y la UNAM en concurso de segmentación de imágenes neuronales
CENTRO DE INVESTIGACIÓN EN MATEMÁTICAS, A.C.
Comunicado de prensa
Guanajuato, 2 de septiembre de 2016
- Obtienen un primero, un segundo y dos terceros lugares de la competencia internacional NeoBrainS12
Un equipo conformado por estudiantes e investigadores del Centro de Investigación en Matemáticas (CIMAT) y del Instituto de Neurobiología de la UNAM obtuvo un primero, un segundo y dos terceros lugares en 4 etapas de la NeoBrainS12, una competencia internacional de segmentación de imágenes.
NeoBrainS12 es organizada por científicos del University Medical Center Utrecht, de Holanda, como parte de la conferencia internacional MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention).
El concurso evalúa los resultados entre la segmentación manual de imágenes cerebrales de neonatos obtenidas por resonancia magnética y aquellos obtenidos mediante el uso de algoritmos automáticos o semiautomáticos. La dificultad fundamental de la segmentación de imágenes neuronales en neonatos radica en la inmadurez del cerebro en esta etapa de la vida.
Además del equipo del CIMAT y la UNAM, denominado CIMAT Team, compitieron la Universitat Pompeu Fabra (Barcelona, España), University of Pennsylvania (EU), University College London (Reino Unido), Imperial College (Reino Unido), University of Oxford (Reino Unido) y Murdoch Childrens Research Institute (Australia), entre otras instituciones.
El equipo del CIMAT (Guanajuato) y del Instituto de Neurobiología de la UNAM (Querétaro) participó en esta competencia enviando resultados de segmentación de imágenes de cuatro tipos de tejidos cerebrales. Los integrantes de este equipo son: Ulises Rodríguez Domínguez, exalumno de la maestría en Ciencias de la Computación del CIMAT; Óscar Dalmau Cedeño, investigador del CIMAT; Omar Ocegueda González, exalumno del doctorado en Ciencias de la Computación del CIMAT; y Jorge Bosch-Bayard, investigador del Instituto de Neurobiología-UNAM.
La segmentación de imágenes consiste en dividir una imagen en regiones de interés. En el caso de esta competencia consistió en dividir la imagen en los tipos de tejidos neonatales: de sustancia blanca, de sustancia gris y líquido cefalorraquídeo.
De esta manera, las imágenes de resonancias magnéticas permiten distinguir diferentes tipos de estructuras anatómicas, pues los diferentes tipos de tejidos devuelven señales. Se utilizan en medicina para detectar tejidos sanos y no sanos; por ejemplo, para la detección de cáncer y otras patologías.
CIMAT team presentó algoritmos de segmentación automática basada en un patrón de referencia denominado Atlas, aprovechando información de imágenes cerebrales segmentadas con anterioridad así como características de los tejidos en las imágenes.
Los algoritmos desarrollados por el equipo realizaron segmentaciones sobre un conjunto de imágenes de resonancias magnéticas con cortes coronales de materia gris cortical (CoGM) y central (BGT), materia blanca no mielinizada (UWM) y líquido cerebroespinal en los ventrículos y en el espacio extracerebral (CSF + Vent).
Los resultados, según cada tipo de tejido, fueron los siguientes:
- Materia blanca no mielinizada, empate en primer lugar con el equipo de la Universitat Pompeu Fabra.
- Materia gris central, segundo lugar.
- Líquido cerebroespinal en los ventrículos y en el espacio extracerebral, tercer lugar.
- Materia gris cortical, empate en tercer lugar.
Uno de los objetivos de la segmentación automática expuesta por el CIMAT team es utilizarla en el proyecto de neurohabilitación en recién nacidos desarrollado por la Dra Thalía Harmony en la Unidad de Investigaciones en Neurodesarrollo del Instituto de Neurobiología de la UNAM. Dicho proyecto estudia y ofrece tratamiento a bebés nacidos con factores de riesgo de daño cerebral, tanto prenatales como perinatales, desde las dos primeras semanas de vida.
Para mayor información:
Luis Enrique Acevedo Villalobos, Atención a Medios
Dirección de Planeación e Información
Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
Tel. (473) 732.71.55 – 7.35.08.00