Método automático para detectar y segmentar la cavidad intrauterina
Representación anatómica y sistema de realidad virtual del procedimiento de fotocoagulación láser en cirugía fetal TTTS. La representación virtual incluye el fetoscopio (azul oscuro), la placenta (beige), los vasos (rojo), la cavidad intrauterina (gris) y los tejidos blandos maternos (azul). Crédito: Universitat Pompeu Fabra – Barcelona
El síndrome de transfusión de gemelo a gemelo (TTTS) ocurre en alrededor del 10-15% de los embarazos con gemelos que comparten la misma placenta. Típicamente, este síndrome aparece antes de las 24 semanas de gestación debido a comunicaciones vasculares anormales ubicadas en la superficie de la placenta. Como resultado, la circulación sanguínea no está equilibrada entre los dos gemelos, lo que reduce drásticamente sus posibilidades de supervivencia.
La fotocoagulación láser fetoscópica es el tratamiento más efectivo para este síndrome y consiste en cerrar conexiones vasculares anormales ubicadas en la superficie de la placenta para separar completamente la circulación de sangre a los dos gemelos, evitando así complicaciones relacionadas con el desequilibrio del flujo sanguíneo, tales como muerte por sobrecarga cardíaca, parto prematuro y aborto espontáneo.
La maniobrabilidad del fetoscopio insertado a través de la pared uterina de la madre y la capacidad de cauterizar todos los vasos que requieren sellado depende de la selección adecuada del fetoscopio punto de entrada en la superficie de la cavidad intrauterina. Planificar el mejor punto de inserción antes de la operación requiere una buena comprensión de la anatomía de la paciente, lo que se puede lograr utilizando una representación virtual del útero de la madre, a través de imágenes de resonancia magnética.
Un estudio publicado recientemente en Advanced Online edición de la revista IEEE Transactions on Medical Imaging presenta el primer método automático para detectar y segmentar la cavidad intrauterina a través de tres vistas (axial, sagital y coronal) de la resonancia magnética mediante inteligencia artificial y técnicas de aprendizaje profundo.
Un estudio realizado por Miguel Ángel González Ballester, profesor de investigación ICREA del Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, con Jordina Torrents-Barrena, primera autora del estudio, Gemma Piella y Mario Ceresa, miembros de la UPF BCN Unidad MedTech. Eduard Gratacs y Elisenda Eixarch, miembros del Centro de Investigación en Medicina Fetal Fetal i+D, BCNatal-Barcelona Centro de Medicina Materno Fetal y Neonatal (Hospital Clnic y Hospital Sant Joan de Du), IDIBAPS, son coautores del estudio y responsable de las clínicas.
«La metodología presentada utiliza redes neuronales basadas en el nuevo paradigma de cápsulas para capturar con éxito la interdependencia de la anatomía presente en la resonancia magnética, particularmente para instancias de clase única (anatomías), como la cavidad intrauterina y/o la placenta”, explica Jordina Torrents-Barrena, primera autora del artículo.
“El método diseñado se basa en un marco de aprendizaje por refuerzo que utiliza cápsulas para delimitar la ubicación del útero. Posteriormente se diseña una arquitectura de cápsula para segmentar (o refinar) toda la cavidad intrauterina», añade Torrents-Barrena. Esta última red codifica las características más discriminatorias y robustas de la imagen.
El método propuesto se evalúa mediante 13 medidas de rendimiento y también se compara con 15 redes neuronales que se han publicado previamente en la literatura. “Nuestro método de inteligencia artificial ha sido entrenado con imágenes de resonancia magnética de 71 embarazos”, afirma Torrents-Barrena.
“Tener una representación tridimensional nos permite evaluar diferentes puntos de entrada y elegir el que ofrece la mejor visibilidad de todos los vasos placentarios con el más mínimo movimiento», comenta Elisenda Eixarch, coautora del estudio. “Sin duda, la aplicación de esta tecnología nos permitirá avanzar hacia una cirugía más segura y precisa”, añade.
En promedio, la metodología presentada obtiene un rendimiento de segmentación superior al 91% para todas las pruebas y comparaciones. , destacando el potencial de este abordaje para su uso en la práctica clínica diaria como método de planificación quirúrgica.
Explore más
El equipo de investigación crea un sistema de navegación quirúrgica para la cirugía fetal Más información: Jordina Torrents-Barrena et al, Deep Q-CapsNet Reinforcement Learning Framework for Intrauterine Cavity Segmentation in TTTS Fetal Planificación de cirugía, Transacciones de IEEE sobre imágenes médicas (2020). DOI: 10.1109/TMI.2020.2987981 Proporcionado por Universitat Pompeu Fabra – Barcelona Cita: Un método automático para detectar y segmentar la cavidad intrauterina (22 de mayo de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress. com/news/2020-05-automatic-method-segment-intrauterine-cavity.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.