Investigación internacional mejora la calidad de las imágenes de tomografías computarizadas
Las tomografías computarizadas son una de las formas más efectivas de ver el interior del cuerpo Crédito: Instituto Nacional del Cáncer/Unsplash.com
La tomografía computarizada (TC) es una de las mejores pruebas médicas para analizando los efectos de muchas enfermedades, incluido el COVID-19. Un equipo internacional ha desarrollado un nuevo método que mejora la calidad de las imágenes obtenidas de las tomografías computarizadas. El algoritmo, probado sobre datos simulados, distingue diferentes tipos de tejidos y abre la puerta a bajar las dosis de radiación a las que se exponen los pacientes durante este tipo de pruebas.
Una ventana al funcionamiento interno del cuerpo
La tomografía computarizada, o TC, utiliza procesos computacionales para combinar muchas mediciones de rayos X tomadas desde múltiples ángulos para producir imágenes tomográficas. Este procedimiento no invasivo, que proporciona una vista tridimensional reconstruida de órganos o tejidos, permite a los médicos ver el interior del objetivo sin cortar.
«[Esta técnica] ayuda a los expertos a determinar la presencia de un tumor , su ubicación exacta, tamaño y extensión. También se puede utilizar para diagnosticar trastornos musculares y óseos, infecciones o coágulos sanguíneos, cardiopatías, nódulos pulmonares y masas hepáticas», explica Mohammad Mahdi Dehshibi, investigador postdoctoral del Scene Understanding de la UOC y el Laboratorio de Inteligencia Artificial (SUNAI), de los Estudios de Informática, Multimedia y Telecomunicación de la UOC, del Pattern Research Center de Teherán, Irán. «Esta tecnología es una de las herramientas de imágenes más comunes que se usan para guiar la biopsia y la radioterapia, así como para monitorear la efectividad de tratamientos como el tratamiento del cáncer, lesiones internas y detección de hemorragias».
Sin embargo, la tomografía computarizada implica la riesgo de dañar la estructura del ADN y desencadenar cáncer debido a la exposición del cuerpo a altas dosis de rayos X. Por ejemplo, en el curso de una tomografía computarizada de la cabeza, una persona recibe una dosis de radiación equivalente a la cantidad total a la que generalmente está expuesta en 243 días de vida normal.
Un nuevo algoritmo para reducir la radiación
En una búsqueda para reducir esta radiación, el equipo dirigido por Dehshibi ha desarrollado un nuevo algoritmo de posprocesamiento que aumenta la calidad de las imágenes de TC reconstruidas. Mientras que los métodos de TC convencionales captan solo una parte del espectro de energía de rayos X, los investigadores probaron un rango de energía más amplio, dividido en intervalos, para alcanzar un mayor contraste. Después de probarlo en datos construidos utilizando el software de simulación GATE/GEANT4, descubrieron que el algoritmo mejora la calidad de las imágenes al tiempo que reduce el ruido, lo que permite una mejor discriminación entre diferentes tipos de tejido con dosis más bajas de rayos X, según sus hallazgos publicados. en el Journal of Information Processing.
«Distinguir entre dos tejidos diferentes (normales o anormales) en la misma región es fundamental para que los médicos o radiólogos planifiquen tratamientos posteriores, donde esta decisión se ocupa de la la vida de los pacientes», dijo. «Tener una mejor discriminación de tejidos aumenta la tasa de éxito del plan de la medicina». El nuevo método aumenta la capacidad de distinguir entre tejidos en un 60 % en simulaciones en comparación con la TC convencional.
«Nuestro punto de vista era proponer un enfoque de posprocesamiento que no necesita una reconfiguración sustancial del hardware y da más libertad para científicos de imágenes para una mayor exploración», dijo Dehshibi. «Esperamos que los hallazgos de este estudio se examinen más tarde en el entorno clínico para reducir el efecto radiactivo de la irradiación con rayos X».
Explore más
Cómo las tomografías computarizadas siguen desempeñando un papel fundamental en el tratamiento del cáncer Más información: Neda Gholami et al, A Novel Method for Reconstructing CT Images in GATE/GEANT4 with Application in Imágenes médicas: un enfoque de análisis de complejidad, Journal of Information Processing (2020). DOI: 10.2197/ipsjjip.28.161 Proporcionado por la Universitat Oberta de Catalunya (UOC) Cita: La investigación internacional mejora la calidad de las imágenes de tomografía computarizada (11 de mayo de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress. com/news/2020-05-international-quality-ct-scan-imagery.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.