Estimación del tensor de esfuerzo del miocardio. Integración de propiedades físicas del problema e imagen de resonancia magnética multimodal en un modelo estocástico

Resumen

Esta tesis se centra en el análisis computacional de imágenes de resonancia magnética cardiaca y, concretamente, en la caracterización de las propiedades dinámicas del miocardio del ventrículo izquierdo, encargado del bombeo de sangre oxigenada hacia el resto del cuerpo. El objetivo que se persigue es la generación de una serie de herramientas que faciliten la interpretación de la información presente en las imágenes en relación a la caracterización de la función miocárdica. Para ello, se introduce un marco versátil de procesado que trata de vencer algunas de las limitaciones en la aplicación clínica de las imágenes de resonancia magnética cardiaca como son, principalmente, (1) la dificultad para conseguir imágenes con buena resolución tanto espacial como temporal, debida a las limitaciones de adquisición en apnea, (2) la presencia de artefactos de imagen, derivados fundamentalmente de la existencia de movimiento, (3) la variabilidad interoperador en la segmentación de estas imágenes o bien la imposibilidad de construir modelos de movimiento cardiacos de forma manual y (4) el relativo desconocimiento de los procesos biomecánicos, electrofisiológicos y de transporte involucrados en el desempeño de la función cardiaca. En particular se adopta un enfoque estocástico bayesiano que emplea campos aleatorios de Markov para segmentación y registrado. Sobre dicho enfoque se integran una serie de restricciones relacionadas con la conservación topológica y la periodicidad del movimiento miocárdico y se favorecen una serie de propiedades que provienen del conocimiento disponible acerca de la biomecánica cardiaca. Asimismo, el peso relativo de la información de imágenes y de las propiedades mencionadas anteriormente se regula de manera automática, favoreciéndose con ello la escalabilidad y flexibilidad de los modelos que aquí se presentan. Las distintas aplicaciones sobre las que se ha ensayado este enfoque, esto es, la segmentación automática del miocardio en imágenes de cine resonancia magnética, la reconstrucción de la información 3D de las imágenes y el seguimiento de puntos materiales del miocardio, son extensamente validadas, ya sea mediante la comparación con sus contrapartidas manuales, con otros métodos en la literatura o a partir del diseño de un simulador computacional del movimiento miocárdico. En conjunto, la tesis propone contribuciones técnicas relevantes en el aprendizaje no supervisado de campos aleatorios de Markov, el diseño de optimizadores para registrado con preservación topológica y la construcción de campos aleatorios de Markov sobre mallas no rectilíneas.