Dar sentido a lo que ves en las imágenes biomédicas
El procedimiento convencional requiere 77 horas, comparado con las 9 horas de Biomedisa
A veces una imagen es sólo una imagen. A veces da a aquellos que pueden leerla correctamente una visión más profunda de lo que pueden ver. En muchas disciplinas científicas, la clave para extraer información significativa de las grandes imágenes tridimensionales, obtenidas por tomografía de rayos X o microscopía óptica, es la segmentación, una tarea tediosa y que requiere mucho tiempo, y por lo tanto, propensa a errores, si se hace manualmente. Un equipo interdisciplinario de investigadores del Instituto de Estudios Teóricos de Heidelberg (HITS), la Universidad de Heidelberg, el Instituto Tecnológico de Karlsruhe (KIT) y la Universidad Técnica de Darmstadt presentan ahora Biomedisa, una plataforma en línea de código abierto y fácil de usar para la segmentación de imágenes biomédicas. La obra, que se publicó en la revista Nature Communications, aborda las necesidades de los científicos que no tienen grandes conocimientos informáticos.
Comparación entre un enfoque de segmentación convencional (fila superior) y Biomedisa (fila inferior): El procedimiento convencional requiere 77 horas, comparado con 9 horas con el Biomedisa. Ambos procedimientos requieren una presegmentación manual de la pila de imágenes 3D. Mientras que la interpolación morfológica ampliamente utilizada sólo considera las etiquetas de los cortes presegmentados, el Biomedisa tiene en cuenta tanto los datos de la imagen 3D subyacente como los cortes presegmentados, lo que da lugar a una cantidad significativamente menor de entrada manual requerida. Además, se evitan los artefactos de interpolación y se incluyen detalles finos como los pelos, que suelen omitirse durante la segmentación manual.
Lösel
En los últimos años se han producido mejoras espectaculares en las tecnologías de obtención de imágenes que se traducen en resoluciones más altas y tiempos de adquisición más rápidos. Las imágenes de células, tejidos y órganos individuales proporcionan a los expertos médicos de todo el mundo una gran cantidad de información sobre el estado de salud de sus pacientes en un momento dado. Pero, ¿cómo logran comprender lo que ven en estas imágenes biomédicas?
El statu quo: consume tiempo y es propenso a errores
Para que esas imágenes de gran volumen revelen su verdadero potencial de información, a menudo se requiere una segmentación manual, por la que una imagen digital se divide en varios segmentos para permitir o facilitar el análisis. Se asignan etiquetas, como por ejemplo "fondo" u "objeto", a diversas estructuras de interés con diferentes intervalos dentro del volumen tridimensional. A continuación se interpolan las etiquetas entre los segmentos presegmentados, donde los valores en puntos desconocidos se estiman utilizando datos conocidos. En este proceso, los datos de la imagen subyacente no suelen tenerse en cuenta, por lo que la interpolación se basa exclusivamente en los cortes segmentados. Por consiguiente, sólo se utiliza una fracción de la información experimental real para derivar la segmentación.
"La segmentación manual de grandes conjuntos de datos biomédicos de composición desconocida suele llevar mucho tiempo y es propensa a errores. Para analizar datos de imágenes tridimensionales, la segmentación manual sigue siendo un enfoque muy común. De hecho, los institutos emplean ejércitos de estudiantes capacitados sólo para esta misma tarea", dice Philipp Lösel del grupo de investigación "Minería de Datos y Cuantificación de la Incertidumbre" (DMQ) del HITS, que desarrolló Biomedisa.
Biomedisa: más rápido, fácil de usar y más preciso
Y aquí es donde entra en juego el Biomedical Image Segmentation App Biomedisa, una plataforma en línea de código abierto, gratuita y fácil de usar, desarrollada especialmente para la segmentación semiautomática. La segmentación se basa en una interpolación inteligente de cortes escasamente pre-segmentados teniendo en cuenta los datos completos de la imagen subyacente. Esto hace que Biomedisa sea particularmente valioso cuando se dispone de poco conocimiento a priori. "El Biomedisa puede acelerar enormemente el proceso de segmentación, al tiempo que proporciona resultados más precisos que la segmentación manual", dice Thomas van de Kamp (KIT), un biólogo con una dolorosa experiencia en la segmentación manual de imágenes que proporcionó datos de micro-TC y evaluó el Biomedisa durante su desarrollo.
La plataforma es accesible a través de un navegador web y no requiere ninguna configuración compleja y tediosa de software y parámetros de modelos. La solución de un solo botón puede utilizarse para diferentes modalidades de imágenes tridimensionales y diversas aplicaciones biomédicas.
"Nuestro objetivo explícito", resume Vincent Heuveline, director del Centro de Computación de la Universidad de Heidelberg (URZ) y jefe del grupo DMQ en el HITS, "era crear una herramienta de fácil aplicación y uso para acelerar la segmentación de las muestras de morfología desconocida y, al mismo tiempo, mejorar los resultados".
"Biomedisa es un ejemplo de un software que se beneficia directamente de los últimos avances de la tecnología de la GPU (Unidad de Procesamiento Gráfico). El diseño, que tiene en cuenta el hardware, utiliza aceleradores de gráficos para manejar los datos de imagen cada vez más numerosos", añade Philipp Lösel.
En el camino hacia la segmentación totalmente automática
Además, Biomedisa ofrece una serie de otras funciones, como la eliminación de valores atípicos o el relleno de agujeros, se pueden suavizar las superficies y se puede cuantificar la incertidumbre con la que se obtuvo el resultado. Además, los datos pueden visualizarse con un software de representación tridimensional y compartirse con otros usuarios.
Por último, pero no menos importante, Biomedisa permite técnicas de aprendizaje de máquinas mediante la formación de una red neuronal profunda. Esta técnica permite una segmentación totalmente automática cuando se segmentan un gran número de estructuras similares, como el corazón humano. Como resultado, permite realizar simulaciones numéricas basadas en un modelo cardíaco específico del paciente y, por lo tanto, ayuda a los médicos en la planificación quirúrgica y la toma de decisiones.
Todas estas características combinadas hacen de Biomedisa una plataforma ideal para todos aquellos para los que una imagen vale más que mil palabras.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Philipp D. Lösel, Thomas van de Kamp, Alejandra Jayme, Alexey Ershov, Tomáš Faragó, Olaf Pichler, Nicholas Tan Jerome, Narendar Aadepu, Sabine Bremer, Suren A. Chilingaryan, Michael Heethoff, Andreas Kopmann, Janes Odar, Sebastian Schmelzle, Marcus Zuber, Joachim Wittbrodt, Tilo Baumbach & Vincent Heuveline; "Introducing Biomedisa as an open-source online platform for biomedical image segmentation"; Nature Communications; 4 November 2020.
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
