SynthCT: Sintetizado de imagen CT por aprendizaje con redes profundas para mejora de imagen molecular cerebral

SynthCT es un proyecto en el que a través de un método de generación de imágenes CT sintéticas se ha conseguido una mejora en las imágenes generadas con CareMiBrain.
El propósito de este proyecto es incorporar al equipo CareMiBrain (PET dedicado de cerebro desarrollado por ONCOVISION) nuevas herramientas y tecnologías necesarias para que su explotación comercial sea un éxito. Estas herramientas y tecnologías suplirán las principales carencias y limitaciones que se han identificado en la evaluación clínica de los prototipos CareMiBrain, y permitirán ampliar el valor diagnóstico y las aplicaciones clínicas del equipo.
Estas limitaciones tienen que ver con los efectos que el cráneo y la materia gris del cerebro causan en la capacidad de detección de los fotones emitidos por el radiotrazador: Por un lado, el efecto conocido como atenuación provoca que algunos fotones se pierdan al ser absorbidos por los tejidos y sobre todo el hueso. Por otro lado, algunos fotones son desviados al colisionar con los átomos de la materia, provocando la detección de eventos inválidos. Esto se conoce como dispersión.
Para corregir estos efectos es necesario conocer la materia presente en el recorrido de los fotones. Típicamente se hace uso de imágenes estructurales como CT o MRI. Al ser un PET dedicado de cerebro, CareMiBrain no tiene otras modalidades de imágenes integradas en el equipo (CT o MRI). Para solventar este problema, el proyecto plantea el desarrollo de un algoritmo de generación de imágenes pseudoCT a partir de la imagen PET, utilizando una red neuronal convolucional entrenada con un conjunto de estudios CT y PET. De esta manera se evitará también que CareMiBrain dependa de otros equipos para obtener el máximo rendimiento de las imágenes PET adquiridas.

El desarrollo del algoritmo de generación de imagen pseudoCT se basará en algoritmos de aprendizaje profundo usando redes neuronales convolucionales (CNN) en entorno de computación de alto rendimiento (GPU). Se evaluarán para ello distintas tipologías de red optimizadas para procesado de imagen médica 3D. Este desarrollo será la principal innovación del proyecto, ya que, aunque hay métodos para generar CTs sintéticos a partir de imagen de resonancia utilizando técnicas similares, e incluso para obtener CTs a partir de atlas, no existen métodos para la generación de imágenes CT sintéticas únicamente a partir de imagen PET dedicado de cerebro.
Proyecto financiado gracias a El Fondo Europeo de Desarrollo Regional (FEDER) y Red.es
