Un modelo de atención visual para la detección de regiones de interés en imágenes radiológicas

Abstract

La detección, segmentación y cuantificación de lesiones de esclerosis múltiple (MS) en imágenes de resonancia magnética (MRI) ha sido un área de estudio muy activa en las ´últimas dos décadas. Esto es debido la necesidad de correlacionar estas medidas con la efectividad de los tratamientos farmacológicos. Muchos métodos han sido desarrollados y la mayoría no son específicos para los diferentes tipos de lesiones, es decir que no pueden distinguir entre lesiones agudas y crónicas. Los médicos radiólogos por su parte son capaces de distinguir entre diferentes niveles de la enfermedad haciendo uso de las imágenes de resonancia magnética de diferentes tipos. La principal motivación de este trabajo es la de emular mediante un modelo computacional la percepción visual del radiólogo, haciendo uso de los principios fisiológicos del sistema visual. De esta manera logramos detectar satisfactoriamente las lesiones de esclerosis múltiple en imágenes de resonancia magnética del cerebro. Este tipo de análisis nos permite estudiar y mejorar el estudio de las redes neuronales al poder introducir información a priori.

Abstract. The detection, segmentation and quantification of multiple sclerosis (MS) lesions on magnetic resonance images (MRI) has been a very active field for the last two decades because of the urge to correlate these measures with the e↵ectiveness of pharmacological treatment. A myriad of methods has been developed and most of these are non specific for the type of lesions, e.g. they do not di↵erentiate between acute and chronic lesions. On the other hand, radiologists are able to distinguish between several stages of the disease on di↵erent types of MRI images. The main motivation of the work presented here is to computationally emulate the visual perception of the radiologist by using modeling principles of the neuronal centers along the visual system. By using this approach we were able to successfully detect multiple sclerosis lesions in brain MRI. This type of approach allows us to study and improve the analysis of brain networks by introducing a priori information