Análisis secuencial de imágenes para endoscopia inalámbrica asistida por computadora

Michal Drozdzal

Dra. Petia Ivanova Radeva

Laboratorio de Imágenes Médicas (MILab) (Dra. Petia Ivanova Radeva)

La cápsula endoscópica inalámbrica (CBE) es una técnica para la visualización interna de todo el intestino delgado y, por lo tanto, ofrece una perspectiva interesante sobre la motilidad intestinal. Sus dos principales desventajas son: 1) la gran cantidad de datos adquiridos por la CBE dificulta el análisis de la motilidad y 2) dado que la cápsula es la primera herramienta que ofrece una visualización interna completa del intestino delgado, la importancia exacta de los eventos observados aún es una cuestión sin resolver. Por lo tanto, en esta tesis, se presenta un novedoso sistema asistido por computadora para el análisis de la motilidad intestinal. El objetivo del sistema es proporcionar al médico una descripción visual fácilmente comprensible de los eventos intestinales relacionados con la motilidad. Para ello, se presentan diversas herramientas basadas en conceptos de visión artificial o técnicas de aprendizaje automático. Se propone un método para transformar la señal de vídeo 3D en una imagen holística de la motilidad intestinal, denominada barra de motilidad. El método calcula la conversión óptima de vídeo en imagen desde el punto de vista de la motilidad intestinal. Para caracterizar la motilidad intestinal, se presentan métodos para la extracción automática de información de motilidad a partir de WCE. Dos de ellos se basan en la barra de motilidad y otros dos en el análisis fotograma a fotograma. En particular, se proponen y validan cuatro algoritmos que abordan los problemas de detección de la contracción intestinal, estimación del tamaño del lumen, caracterización del contenido intestinal y detección de arrugas. Los resultados de los algoritmos se convierten en características secuenciales mediante una prueba estadística en línea. Esta prueba está diseñada para funcionar con flujos de datos multivariados. Para ello, proponemos una novedosa formulación de la desigualdad de concentración que se introduce en un algoritmo robusto de ventana adaptativa para flujos de datos multivariados. El algoritmo se utiliza para obtener una representación robusta de segmentos con actividad de motilidad intestinal constante. Las características secuenciales obtenidas demuestran ser discriminativas en el problema de la caracterización de la motilidad anormal. Finalmente, abordamos el problema del etiquetado eficiente. Para ello, incorporamos conceptos de aprendizaje activo a los problemas presentes en los datos de WCE y proponemos dos enfoques. El primero se basa en los conceptos de aprendizaje secuencial y el segundo adapta el aprendizaje activo basado en particiones a un esquema de etiquetado sin errores. Todos estos pasos son suficientes para proporcionar una descripción visual completa de la motilidad intestinal que un experto puede utilizar como sistema de apoyo a la toma de decisiones.

En resumen, el desarrollo de la Cápsula Endoscópica Inalámbrica abrió un nuevo campo en el análisis de la motilidad intestinal que utiliza un enfoque computacional para el análisis de video. En los últimos 10 años, este enfoque ha demostrado su valor, consolidando el campo para el análisis visual a gran escala de datos de motilidad. Mi tesis sobre el enfoque computacional para el análisis de video se sitúa a la vanguardia de las tendencias actuales tanto en visión artificial como en análisis de la motilidad intestinal. La novedad de la investigación quedó demostrada por numerosas publicaciones y la importancia del trabajo para las aplicaciones industriales, por diversas solicitudes de patente. Además, el hecho de que los métodos desarrollados durante la tesis estén a punto de integrarse en el software que utilizarán a diario los médicos es un claro indicador del interés comercial de la investigación.

Cápsula endoscópica inalámbrica (WCE); Intestino delgado; Motilidad intestinal; Análisis de motilidad; Sistema asistido por computadora; Descripción visual de fácil comprensión; Eventos intestinales relacionados con la motilidad; Médico; Conceptos de visión artificial; Técnicas de aprendizaje automático; Señal de video 3D; Imagen holística; Barra de motilidad; Mapeo óptimo; Video a imagen; Extracción automática; Información de motilidad; Análisis fotograma a fotograma; Detección de contracción intestinal; Estimación del tamaño del lumen; Caracterización del contenido intestinal; Detección de arrugas; Algoritmos; Validación; Características secuenciales; Prueba estadística en línea; Flujos de datos multivariados; Desigualdad de concentración; Algoritmo robusto de ventanas adaptativas; Representación robusta; Segmentos; Actividad de motilidad intestinal constante; Características discriminativas; Caracterización de motilidad anormal; Etiquetado eficiente; Conceptos de aprendizaje activo; Datos de WCE; Aprendizaje secuencial; Aprendizaje activo basado en particiones; Esquema de etiquetado sin errores; Descripción visual extensa; Sistema experto; Sistema de apoyo a la toma de decisiones