Cargando...

Determinación de las longitudes de onda relevantes para la detección de tumores cerebrales usando imágenes hipere

Se proporcionará a los participantes dos imágenes hiperespectrales (hipercubo de tres dimensiones: horizontal, vertical y longitudes de onda) de dos tumores cerebrales. En las imágenes habrá tejido sano, tejido tumoral, vasos sanguíneos y otras cosas que llamaremos background (hueso, gasas, tubos, etc.). Daremos también la imagen etiquetada, es decir, el gold-standard, que ha sido confeccionado con los resultados de anatomía patológica. Este sería el resultado ideal del procesamiento. Sabemos que la firma espectral de los tumores es distinta de la del tejido sano, y distinta del background, pero debido a las diferencias de iluminación, al ruido y a la variabilidad bilógica inherente a todo tejido real, pueden existir grandes diferencias entre las firmas espectrales. El grupo de investigación ha desarrollado y patentado un algoritmo bastante complejo y costoso en tiempo para clasificar entre tejidos sanos, tumorales y background. Dado que la firma espectral de la sangre tiende a confundirse con el tumor, se ha optado por crear una clase nueva llamada “tejido hipervascularizado”, que incluye venas, arterias y sangre extravasada. El reto consiste es determinar qué longitudes de onda son realmente relevantes a la hora de detectar los tumores cerebrales. Para ello se puede simplemente analizar las formas de las firmas espectrales de los píxeles tumorales e intentar buscar un patrón común, o intentar alimentar algún tipo de clasificador (recomendamos SVM –Support Vector Machine-, aunque Random Forest y Redes Neuronales suelen dar también buenos resultados en este tipo de problemas) con un subconjunto de longitudes de onda que se consideren relevantes. Mientras menor sea el conjunto de longitudes de onda usado, menor será el coste computacional del algoritmo. La mejor solución será el algoritmo que mejor se ajuste al resultado esperado usando el menor número de longitudes de onda y en el menor tiempo posible.