Técnicas informáticas para el análisis de la columna vertebral en la resonancia magnética

La capacidad de la resonancia magnética (RM) para ofrecer un análisis preciso de los tejidos blandos, personalizar las secuencias de imágenes para satisfacer necesidades de diagnóstico particulares, orientar los planos de imagen con estructuras anatómicas pertinentes y eliminar cualquier riesgo asociado con la exposición a la radiación lo distingue como una técnica ventajosa para analizar la columna vertebral.

En los últimos 10-15 años, ha habido un aumento en las publicaciones sobre técnicas computarizadas para analizar la columna vertebral en respuesta al creciente interés en la resonancia magnética.

La columna vertebral se compone de vértebras interconectadas que se apilan en una estructura en forma de columna y separadas por discos intervertebrales. El canal espinal, una estructura tubular que contiene la médula espinal, que también está rodeada por una capa de líquido cefalorraquídeo, se encuentra dentro de la columna vertebral. La columna vertebral y el canal / médula espinal se abordan conceptualmente de distintas maneras debido a sus diferentes características.

Variación de intensidad en la resonancia magnética

Una dificultad encontrada en la resonancia magnética es la ausencia de mediciones cuantitativas de imágenes similares a las unidades de Hounsfield utilizadas en la tomografía computarizada de rayos X. Aunque se puede lograr, la obtención de resonancias magnéticas cuantitativas es un desafío, por lo que aún no se emplean con frecuencia en la práctica clínica.

Como resultado, la información relacionada con la apariencia, como los rangos de intensidad, no se puede transferir entre varias secuencias o configuraciones de imágenes. Las técnicas que dependen en gran medida de intensidades absolutas pueden requerir una reparametrización si se usan en una configuración diferente o pueden no ser aplicables en absoluto.

Además, las intensidades de tejidos idénticos pueden variar espacialmente dentro de una sola imagen. Las imperfecciones durante la adquisición de imágenes pueden resultar en intensidad, falta de uniformidad o falta de homogeneidad, particularmente en las regiones torácicas inferiores. Las técnicas destinadas a porciones más grandes de la columna vertebral deben abordar esta variación espacial en la relación entre la intensidad y el tejido.

Efecto de volumen parcial

El efecto de volumen parcial, un fenómeno bien conocido, ocurre en los límites entre los tejidos. La intensidad observada en un vóxel es una combinación de las intensidades de los tejidos vecinos, ponderadas por su contribución de volumen al vóxel fotografiado.

Para lograr el objetivo de imagen deseado con un estrés mínimo para el sujeto o un rendimiento máximo para el dispositivo, el tamaño de los vóxeles debe equilibrarse cuidadosamente con otros factores influyentes, ya que es un factor significativo en la velocidad de adquisición.

Con el fin de mejorar aún más la eficiencia, la adquisición a menudo se realiza anisotrópicamente aumentando el tamaño del vóxel en una dirección específica. La selección de una orientación particular del corte a menudo está determinada por el objetivo de la imagen, como el corte transversal para la medición de las áreas transversales de la médula espinal.

Influencia del ruido

Cuando se aborda el ruido, se emplean técnicas explícitas de preprocesamiento como el suavizado gaussiano o la difusión anisotrópica. Un enfoque alternativo para abordar el ruido es utilizar características de apariencia que incorporen vecindarios espaciales, incluidos histogramas de gradientes orientados, características similares a Haar de Viola-Jones y coeficientes de transformación de wavelet de Haar demasiado completos para la localización de vértebras / discos, así como el marco FCM para la segmentación de discos y canales espinales. De cualquier manera, se supone que el ruido tiene una media de cero y posiblemente una varianza fija.

El ruido de MRI sigue una distribución de Rician, que es diferente de la suposición de la distribución gaussiana hecha en muchas técnicas de procesamiento de imágenes. Cuando la relación señal-ruido es grande, el ruido de la RM se puede aproximar con precisión mediante una distribución gaussiana con una varianza fija y una media cero.

Sin embargo, a medida que la relación señal-ruido se acerca a cero, el ruido tiende a seguir una distribución de Rayleigh. Por lo tanto, los métodos que dependen en gran medida de intensidades absolutas, como las características similares a Haar de Viola-Jones, los coeficientes de transformada wavelet de Haar demasiado completos y FCM, pueden requerir reparametrización en el mejor de los casos cuando la estructura de interés parece hiperintensa en una secuencia e hipointensa en otra.

Artefactos de imágenes

Los implantes metálicos compatibles con MRI, como los hechos de titanio, son cada vez más comunes hoy en día, por lo que no es raro observar resonancias magnéticas de dichos implantes en el área espinal. Se puede esperar que el grado de artefactos de imagen localizados, como puntos negros, varíe según el tamaño y la masa del implante. No es realista esperar un tratamiento totalmente automatizado de estos casos.

Un enfoque computarizado puede, en el mejor de los casos, identificar un caso problemático y utilizar orientación manual adicional, ya que el tratamiento totalmente automático de tales casos no es factible. Cuando un sujeto está acostado en una posición supina estable, no es muy probable que ocurra un movimiento corporal accidental, y los efectos del movimiento respiratorio se pueden prevenir mediante técnicas apropiadas de adquisición de imágenes, como exámenes de retención de la respiración o activación respiratoria.

Sin embargo, cuando la posición es menos estable, como en el caso de una intervención, estas afirmaciones pueden ser cuestionables. Es probable que la mayor complejidad del problema requiera la incorporación de información complementaria mediante intervención manual.

Aprendizaje e invarianza

Un aspecto crucial del análisis computarizado de la columna vertebral es la adquisición e integración de información a través de métodos de aprendizaje. La información que se aprende se puede clasificar en tres tipos:

  • Pose (ubicación, orientación y tamaño): Las estadísticas presentan un desafío importante, ya que requieren referencia a un sistema de coordenadas, lo que hace necesario volver a aprenderlas para nuevos conjuntos de datos. No obstante, estas estadísticas son increíblemente útiles para simplificar tareas como la localización y la segmentación, particularmente en el análisis de la columna vertebral donde los sujetos están en una posición supina estable.
  • Geometría (relaciones de forma y pieza): La relación para la información de geometría también es intrincada. Las estadísticas de la geometría de la forma y las relaciones de la pieza están formuladas para ser invariantes a un cierto subconjunto de los aspectos de la pose. Para ser más precisos, las invarianzas generalmente están diseñadas para capturar la ubicación y la orientación, pero no necesariamente tienen en cuenta las variaciones en el tamaño. Esto podría plantear un desafío cuando se trata de temas de tamaños muy diferentes. Sin embargo, la información de geometría se puede reutilizar independientemente del conjunto de datos, el dispositivo, la secuencia de imágenes o la configuración.
  • Apariencia (intensidad de la imagen): La capacidad de uno para lograr la invariancia en la información de apariencia depende en gran medida del tipo de características extraídas de las intensidades de la imagen. Puede lograr la independencia del cambio de rango de intensidad y el reescalado principalmente a través de medidas normalizadas de magnitud, mientras que el aprendizaje de intensidad simple no proporciona tal independencia.

Parte de esta información desafía directamente las invarianzas que normalmente se desean en el análisis computarizado, como la independencia de la transformación del sistema de coordenadas o la escala de intensidad de la imagen, que puede variar con los cambios en las secuencias de imágenes, la configuración, etc. Uno debe equilibrar constantemente entre la información aprendida y la invariancia prevista mientras se realiza un análisis computarizado.

Alternativas al aprendizaje

Existen varias opciones para obtener información sobre la forma y la apariencia, incluidas las técnicas generales de aprendizaje y los modelos paramétricos. Se puede emplear el conocimiento experto para especificar rangos y límites admisibles para la información de pose y las relaciones de piezas.

El aprendizaje proporciona información detallada, pero tiene el costo de un esfuerzo de capacitación significativo. Todavía no está claro si el nivel de detalle de la información aprendida tiene una ventaja significativa en comparación con la información especificada por los expertos.

Aspectos de evaluación

La evaluación de la exactitud de la verdad sobre el terreno creada manualmente se facilitaría midiendo la variabilidad inter e intraevaluador. Sin embargo, es difícil comparar enfoques computarizados y juzgar qué se puede esperar de ellos debido a la falta de informes de literatura sobre este tema. La mayoría de la literatura reportada no incluye experimentos de reproducibilidad para probar los efectos de las alteraciones en los parámetros del método y la interacción manual.

Se recomiendan rutinas de evaluación automatizadas, sistemáticas o aleatorias, para probar la reproducibilidad, junto con experimentos de escaneo y reescaneo, y comparar los resultados en diferentes secuencias alineadas. Estos experimentos son esenciales para evaluar los enfoques computarizados de manera efectiva.

En los próximos años, anticipamos que habrá una gama más amplia de configuraciones y secuencias de imágenes utilizadas en el análisis de espinas con resonancia magnética. Como resultado, es necesario desarrollar conceptos confiables que no dependan únicamente de intensidades absolutas o información de apariencia aprendida.

Para lograr esto, es necesario utilizar aún más las propiedades de apariencia general de las vértebras, los discos, el canal espinal y la médula. El suyo implica utilizar la apariencia recurrente a lo largo de la columna vertebral y varias propiedades simétricas de vértebras, discos, el canal espinal y la médula. Una posible tendencia futura podría implicar el uso de MRI intervencionista, donde los sujetos pueden asumir diferentes posiciones.

Los métodos computarizados diseñados para la resonancia magnética intervencionista deben incluir un componente importante de orientación manual para cubrir una amplia gama de posibles posiciones de sujetos y proporcionar medios efectivos de corrección en línea. Para ser más específicos, es necesario introducir información sobre la posición de las vértebras y los discos, así como la trayectoria del canal espinal o la médula, antes o durante la intervención.

Además, el trabajo futuro podría incorporar propiedades geométricas generales, como la compacidad y la conexión de vértebras y discos, así como las relaciones de adyacencia entre vértebras, discos y el canal espinal, para complementar o posiblemente reemplazar otros tipos de información.

Si está interesado en saber más sobre técnicas informáticas para el análisis de la columna vertebral en resonancia magnética, ¡ha venido al lugar correcto!

I am Vedant Vaksha, Fellowship trained Spine, Sports and Arthroscopic Surgeon at Complete Orthopedics. I take care of patients with ailments of the neck, back, shoulder, knee, elbow and ankle. I personally approve this content and have written most of it myself.

Please take a look at my profile page and don't hesitate to come in and talk.