Browse
Recent Submissions
Now showing 1 - 20 of 165
Publication New reconstruction methodology for chest tomosynthesis based on deep learning(International Society for Optics and Photonics, 2022-06-12) Fernández del Cerro, Carlos; Galán González, Agustín; García Blas, Francisco Javier; Desco Menéndez, Manuel; Abella García, Mónica; Comunidad de Madrid; Agencia Estatal de Investigación (España)Tomosynthesis offers an alternative to planar radiography providing pseudo-tomographic information at a much lower radiation dose than CT. The fact that it cannot convey information about the density poses a major limitation towards the use of tomosynthesis in chest imaging, due to the wide range of pathologies that present an increase in the density of the pulmonary parenchyma. Previous works have attempted to improve image quality through enhanced analytical, iterative algorithms, or including a deep learning-based step in the reconstruction, but the results shown are still far from the quantitative information of a CT. In this work, we propose a reconstruction methodology consisting of a filtered back-projection step followed by post-processing based on Deep Learning to obtain a tomographic image closer to CT. Preliminary results show the potential of the proposed methodology to obtain true tomographic information from tomosynthesis data, which could replace CT scans in applications where the radiation dose is critical.Publication Search for temporal cell segmentation robustness in phase-contrast microscopy videos(2022) Gómez de Mariscal, Estíbaliz; Jayatilaka, Hasini; Çiçek, Özgün; Brox, Thomas; Wirtz, Denis; Muñoz Barrutia, María Arrate; Ministerio de Ciencia e Innovación (España)This work presents a deep learning-based workflow to segment cancer cells embedded in D collagen matrices and imaged with phase-contrast microscopy under low magnification and strong background noise conditions. Due to the experimental and imaging setup, cell and protrusion appearance change largely from frame to frame. We use transfer learning and recurrent convolutional long-short term memory units to exploit the temporal information and provide temporally stable results. Our results show that the proposed approach is robust to weight initialization and training data sampling.Publication New method for correcting beam-hardening artifacts in CT images via deep learning(Cornell University, 2021-07-19) Martínez Sánchez, Cristóbal; Fernandez Del Cerro, Carlos; Desco Menéndez, Manuel; Abella García, Mónica; Comunidad de Madrid; Ministerio de Ciencia e Innovación (España)Beam-hardening is the increase of the mean energy of an X-ray beam as it traverses a material. This effect produces two artifacts in the reconstructed image: cupping in homogeneous regions and dark bands among dense areas in heterogeneous regions. The correction methods proposed in the literature can be divided into post-processing and iterative methods. The former methods usually need a bone segmentation, which can fail in low-dose acquisitions, while the latter methods need several projections and reconstructions, increasing the computation time. In this work, we propose a new method for correcting the beamhardening artifacts in CT based on deep learning. A U-Net network was trained with rodent data for two scenarios: standard and low-dose. Results in an independent rodent study showed an optimum correction for both scenarios, similar to that of iterative approaches, but with a reduction of computational time of two orders of magnitude.Publication Clinical Validation of a 3-Dimensional Ultrafast Cardiac Magnetic Resonance Protocol Including Single Breath-Hold 3-Dimensional Sequences(ELSEVIER BV, 2021-09) Gómez Talavera, Sandra; Fernández Jiménez, Rodrigo; Fuster, Valentín; Nothnagel, Nils Dennis; Kouwenhoven, Marc; Clemence, Matthew; García Lunar, Inés; Gómez Rubín, María C.; Navarro, Felipe; Pérez Asenjo, Braulio; Fernández Friera, Leticia; Calero, María J.; Orejas, Miguel; Cabrera, José A.; Desco Menéndez, Manuel; Pizarro, Gonzalo; Ibáñez, Borja; Sánchez González, Javier; Comunidad de Madrid; European Commission; Ministerio de Ciencia e Innovación (España); Universidad Carlos III de MadridObjectives: This study sought to clinically validate a novel 3-dimensional (3D) ultrafast cardiac magnetic resonance (CMR) protocol including cine (anatomy and function) and late gadolinium enhancement (LGE), each in a single breath-hold. Background: CMR is the reference tool for cardiac imaging but is time-consuming. Methods: A protocol comprising isotropic 3D cine (Enhanced sensitivity encoding [SENSE] by Static Outer volume Subtraction [ESSOS]) and isotropic 3D LGE sequences was compared with a standard cine+LGE protocol in a prospective study of 107 patients (age 58 ± 11 years; 24% female). Left ventricular (LV) mass, volumes, and LV and right ventricular (RV) ejection fraction (LVEF, RVEF) were assessed by 3D ESSOS and 2D cine CMR. LGE (% LV) was assessed using 3D and 2D sequences. Results: Three-dimensional and LGE acquisitions lasted 24 and 22 s, respectively. Three-dimensional and LGE images were of good quality and allowed quantification in all cases. Mean LVEF by 3D and 2D CMR were 51 ± 12% and 52 ± 12%, respectively, with excellent intermethod agreement (intraclass correlation coefficient [ICC]: 0.96; 95% confidence interval [CI]: 0.94 to 0.97) and insignificant bias. Mean RVEF 3D and 2D CMR were 60.4 ± 5.4% and 59.7 ± 5.2%, respectively, with acceptable intermethod agreement (ICC: 0.73; 95% CI: 0.63 to 0.81) and insignificant bias. Both 2D and 3D LGE showed excellent agreement, and intraobserver and interobserver agreement were excellent for 3D LGE. Conclusions: ESSOS single breath-hold 3D CMR allows accurate assessment of heart anatomy and function. Combining ESSOS with 3D LGE allows complete cardiac examination in less than 1 min of acquisition time. This protocol expands the indication for CMR, reduces costs, and increases patient comfort. (J Am Coll Cardiol Img 2021;14:1742–1754)Publication Augmented reality in computer-assisted interventions based on patient-specific 3D printed referenceeference(John Wiley & Sons, Inc. on behalf of The Institution of Engineering and Technology, 2018-10) Moreta Martínez, Rafael; García Mato, David; García Sevilla, Mónica; Pérez-Mañanes, Rubén; Calvo-Haro, José; Pascau González-Garzón, Javier; Comunidad de Madrid; Ministerio de Economía y Competitividad (España)Augmented reality (AR) can be an interesting technology for clinical scenarios as an alternative to conventional surgical navigation. However, the registration between augmented data and real-world spaces is a limiting factor. In this study, the authors propose a method based on desktop three-dimensional (3D) printing to create patient-specific tools containing a visual pattern that enables automatic registration. This specific tool fits on the patient only in the location it was designed for, avoiding placement errors. This solution has been developed as a software application running on Microsoft HoloLens. The workflow was validated on a 3D printed phantom replicating the anatomy of a patient presenting an extraosseous Ewing's sarcoma, and then tested during the actual surgical intervention. The application allowed physicians to visualise the skin, bone and tumour location overlaid on the phantom and patient. This workflow could be extended to many clinical applications in the surgical field and also for training and simulation, in cases where hard body structures are involved. Although the authors have tested their workflow on AR head mounted display, they believe that a similar approach can be applied to other devices such as tablets or smartphones.Publication Compensación de radiación dispersa en radiografía digital a través del aprendizaje automático: resultados preliminares(Sociedad Española de Ingeniería Biomédica, 2020) Sakaltras, N.; Tovar Saez, F. A.; Martinez Sanchez, C.; Del Cerro, C. F.; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Comunidad de Madrid; Universidad Carlos III de MadridLa dispersión de los rayos X reduce significativamente la resolución de contraste de la imagen en radiografía digital de tórax. La estrategia convencional para la reducción de la radiación dispersa es el uso de rejillas antidifusoras que, aunque mejoran la calidad de la imagen, aumentan la dosis de radiación absorbida por el paciente y plantean problemas en técnicas no estándar. En este trabajo, proponemos un método de corrección de la radiación dispersa basado en técnicas de aprendizaje profundo, que adopta una red neuronal convolucional de arquitectura U-net con 4 bloques tanto en el codificador como en el decodificador. Debido a la falta de pares de adquisiciones reales con y sin rejilla antidifusoras, se realizaron simulaciones de Monte Carlo para generar los datos de entrenamiento. El presente estudio demuestra el potencial del método propuesto, con un error inferior al 5%.Publication Método de reconstrucción tomográfica con información a priori obtenida con aprendizaje profundo(Sociedad Española de Ingenieria Biomedica, 2020) Piol, A.; Del Cerro, C.; García Blas, Francisco Javier; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Universidad Carlos III de Madrid; Comunidad de MadridEn sistemas de tomografía computarizada tradicionales, los datos se adquieren girando fuente y detector alrededor de la muestra completando un rango angular de 360 grados y obteniendo, generalmente, más de 360 proyecciones. Sin embargo, existen situaciones donde solo es posible obtener un número limitado de proyecciones, como en el caso del uso de sistemas de arco en C en un entorno intraoperatorio. Esta limitación de datos resulta en artefactos específicos en la reconstrucción y, consecuentemente, en pérdida de detalles importantes para el diagnóstico clínico. Una solución para compensar la falta de datos es utilizar información a priori en algoritmos iterativos. El algoritmo SCoLD permite la reconstrucción del volumen con un número limitado de proyecciones, incorporando como información a priori el soporte de la muestra, identificado con una máscara binaria. En este trabajo se propone una metodología de reconstrucción de datos incompletos basado en la combinación de un algoritmo de reconstrucción que incorpora el soporte de la muestra como información a priori con un paso de obtención de este soporte usando metodología de aprendizaje profundo.Publication Nuevo método para la obtención de imágenes TAC libres de endurecimiento de haz vía aprendizaje automático(Sociedad Española de Ingenieria Biomedica, 2020) Martinez Sanchez, C.; Del Cerro, C. F.; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Comunidad de Madrid; Universidad Carlos III de MadridEl endurecimiento de haz es un efecto mediante el cual la energía media de un haz de rayos X se incrementa a medida que atraviesa un material. Este efecto provoca dos tipos de artefactos en la imagen reconstruida: cupping, en muestras homogéneas y bandas negras, entre zonas densas de muestras heterogéneas. Los métodos de corrección propuestos en la literatura se pueden dividir en métodos de post-proceso, los cuales necesitan de varias reconstrucciones y proyecciones extra basadas en una segmentación de una reconstrucción preliminar. Esta segmentación puede no ser óptima en adquisiciones con baja dosis, limitando la calidad de la imagen final. Se han propuesto métodos de reconstrucción iterativos como alternativa para corregir los artefactos de endurecimiento de haz en adquisiciones de baja dosis, incluyendo modelos de ruido y de fuente policrómatica, pero suponen un aumento considerable del tiempo de ejecución. En este trabajo se propone un nuevo método para la obtención de imágenes sin artefactos de endurecimiento de haz en tomografía axial computarizada basado en técnicas de aprendizaje profundo, usando la red neuronal U-Net. El método se ha evaluado en dos escenarios, de alta y baja dosis, resultando en una corrección óptima en ambos.Publication Método de calibración geométrica para tomosíntesis de tórax(Sociedad Española de Ingeniería Biomédica, 2020) Galán González, A.; Del Valle Hidalgo, A.; García Blas, Francisco Javier; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Comunidad de Madrid; Universidad Carlos III de MadridLa tomosíntesis de tórax permite un diagnóstico más preciso de las alteraciones de las estructuras torácicas que la radiografía, manteniendo una dosis de radiación inferior a la involucrada en Tomografía Axial Computerizada (TAC). Al igual que en TAC, la calibración geométrica del sistema es fundamental en tomosíntesis para evitar artefactos en la imagen reconstruida. Sin embargo, la literatura sobre métodos de calibración para tomosíntesis es mucho menor que para TAC. Este trabajo propone un método de calibración geométrica para tomosíntesis a partir de la adaptación de un método previamente desarrollado para TAC. La validación en simulación de un estudio de tórax muestra que el método es capaz de reducir los artefactos de desalineamiento en la imagen reconstruida.Publication Efecto de los parámetros geométricos de adquisición en tomosíntesis digital lineal(Sociedad Española de Ingeniería Biomédica, 2020) Del Valle Hidalgo, A.; Galán González, A.; García Blas, Francisco Javier; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Universidad Carlos III de Madrid; Comunidad de MadridLa tomosíntesis digital ofrece una alternativa a la tomografía computarizada (TAC) y a la radiografía convencional para el diagnóstico clínico, sobre todo frente al reciente brote de COVID-19. Su principal ventaja es que permite obtener información tomográfica manteniendo una dosis de radiación inferior al TAC. Su resolución espacial es alta en los cortes coronales, pero se ve limitada a lo largo del eje anteroposterior (grosor de corte), con gran dependencia de los parámetros geométricos de adquisición. Este trabajo investiga la influencia del ángulo de barrido, del paso angular y del plano focal en la resolución espacial del volumen reconstruido. Para ello, se simulan proyecciones de tomosíntesis de un maniquí de tórax con tres nódulos y se reconstruyen mediante el algoritmo SART. Los resultados muestran que la resolución espacial en el corte coronal es independiente de estos parámetros mientras que la resolución en profundidad aumenta proporcionalmente con el ángulo de barrido y cuando el plano focal es posterior al plano de interés.Publication Herramienta de pegado de múltiples camas para tomografía computarizada en 3D mediante dispositivos GPU(Sociedad Española De Ingenieria Biomedica, 2020-11-25) García Blas, Francisco Javier; Brox Ortega, Pablo; Carretero Pérez, Jesús; Desco Menéndez, Manuel; Abella García, Mónica; Banco Santander; Comunidad de Madrid; European Commission; Universidad Carlos III de MadridEn sistemas de tomografía axial computarizada (TAC) es común hacer varias adquisiciones tomográficas consecutivas para distintas posiciones de la cama, que posteriormente se combinan para ampliar el campo de visión en la dirección longitudinal. Para esta combinación es necesaria la calibración geométrica del movimiento de la cama para evitar dobles bordes en la zona de pegado. Esta calibración se realiza de forma periódica usando un maniquí específico. Este trabajo presenta una herramienta novedosa de pegado de cama automático para TAC basada en correlación. Nuestra propuesta explota el paralelismo masivo que ofrecen las GPUs y cuenta con un modelo de memoria optimizado que permite pegar grandes volúmenes en tiempo casi real. La evaluación en estudios de roedor demuestra, no solo que la implementación ofrecida es capaz de pegar los estudios tomográficos en un tiempo reducido, sino también que hace un uso eficiente de los recursos de memoria disponibles.Publication Estimación del desplazamiento horizontal del detector en un sistema de rayos X utilizando aprendizaje por transferencia(Sociedad Española de Ingeniería Biomédica, 2020) Del Cerro, C. F.; Gimenez, R.C.; Olmos, P.M.; Piol, A.; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Universidad Carlos III de Madrid; Comunidad de MadridEn las imágenes de tomografía axial computarizada por rayos X (TAC) pueden aparecer artefactos causados por errores en la calibración geométrica del sistema de rayos X. Aunque existen muchos estudios que tratan de resolver el problema de la calibración geométrica de los sistemas de TAC, a menudo son diseñados específicamente para una configuración concreta y necesitan la adquisición previa de un maniquí. En este trabajo se propone un método basado en aprendizaje profundo (Deep Learning) para estimar la calibración geométrica de un sistema de TAC por rayos X directamente sobre una reconstrucción preliminar con artefactos. Los resultados preliminares muestran la viabilidad de la propuesta que abre la puerta a eliminar la necesidad de una fase de calibración previa con un maniquí específico para la calibración de sistemas de TAC de rayos X, sin suponer un extra de tiempo de cómputo.Publication Corrección del Artefacto de Truncamiento en TAC mediante Aprendizaje profundo(Sociedad Española de Ingeniería Biomédica, 2020) Berdón, P. M.; Del Cerro, C. F.; Gimenez, R.C.; Desco Menéndez, Manuel; Abella García, Mónica; Ministerio de Economía y Competitividad (España); Universidad Carlos III de Madrid; Comunidad de MadridLa adquisición de proyecciones incompletas debido a que parte de la muestra se extiende fuera del campo de visión, resulta en inconsistencias en los datos que dan lugar a lo que se conoce como artefacto de truncamiento. Se han propuesto varios métodos para la compensación de la falta de datos, basados en la extrapolación de las proyecciones, pero ninguno consigue recuperar completamente los datos truncados. Este trabajo presenta un nuevo método de compensación del artefacto de truncamiento en imágenes de TAC basado en técnicas de aprendizaje profundo. La evaluación en datos simulados a partir de estudios de roedores muestra la viabilidad de la propuesta.Publication L1-regularized reconstruction for traction force microscopy(IEEE, 2016-06-16) Suñé Auñón, Alejandro; Peñas, Alvaro Jorge; Van Oosterwyck, Hans; Muñoz Barrutia, María ArrateTraction Force Microscopy (TFM) is a technique widely used to recover cellular tractions from the deformation they cause in their surrounding substrate. Traction recovery is an ill-posed inverse problem that benefits of a regularization scheme constraining the solution. Typically, Tikhonov regularization is used but it is well known that L1-regularization is a superior alternative to solve this type of problems. For that, recent approaches have started to explore what could be their contribution to increase the sensitivity and resolution in the estimation of the exerted tractions. In this manuscript, we adapt the L1-regularization of the curl and divergence to 2D TFM and compare the recovered tractions on simulated and real data with those obtained using Tikhonov and L1-norm regularization.Publication Fluorescence multi-scale endoscopy and its applications in the study and diagnosis of gastro-intestinal diseases: set-up design and software implementation(Spie- The International Society For Optical Engineering, 2015) Gómez García, Pablo Aurelio; Arranz, Alicia; Fresno, Manuel; Desco Menéndez, Manuel; Mahmood, Umar; Vaquero López, Juan José; Ripoll Lorenzo, JorgeEndoscopy is frequently used in the diagnosis of several gastro-intestinal pathologies as Crohn disease, ulcerative colitis or colorectal cancer. It has great potential as a non-invasive screening technique capable of detecting suspicious alterations in the intestinal mucosa, such as inflammatory processes. However, these early lesions usually cannot be detected with conventional endoscopes, due to lack of cellular detail and the absence of specific markers. Due to this lack of specificity, the development of new endoscopy technologies, which are able to show microscopic changes in the mucosa structure, are necessary. We here present a confocal endomicroscope, which in combination with a wide field fluorescence endoscope offers fast and specific macroscopic information through the use of activatable probes and a detailed analysis at cellular level of the possible altered tissue areas. This multi-modal and multi-scale imaging module, compatible with commercial endoscopes, combines near-infrared fluorescence (NIRF) measurements (enabling specific imaging of markers of disease and prognosis) and confocal endomicroscopy making use of a fiber bundle, providing a cellular level resolution. The system will be used in animal models exhibiting gastro-intestinal diseases in order to analyze the use of potential diagnostic markers in colorectal cancer. In this work, we present in detail the set-up design and the software implementation in order to obtain simultaneous RGB/NIRF measurements and short confocal scanning times.Publication Reconstrucción de Tomografía Óptica Difusiva por Fluorescencia usando Compressed Sensing Split Bregman(Centro de Cirugía de Mínima Invasión Jesús Usón, 2011) Chamorro Servent, Judit; Abascal, Juan; Aguirre, Juan; Vaquero López, Juan José; Desco Menéndez, ManuelLa Tomografía Óptica Difusiva por Fluorescencia (fDOT) es una técnica de imagen molecular que proporciona, de manera no invasiva e in-vivo, la distribución espacial 3D de la concentración de sondas fluorescentes en animales pequeños. Para asegurar una buena resolución de imagen es necesario un gran número de medidas. En este trabajo, proponemos el uso de 'Compressed Sensing Split Bregman' (CS-SB) como método de reconstrucción para fDOT. Por un lado, la técnica 'Compressed Sensing' permite reconstruir señales submuestreadas en ciertas condiciones. Por otro lado, la reciente aparición del método Split Bregman facilita la solución del problema, en términos de coste computacional. Presentamos resultados de CS-SB aplicado a datos simulados de fDOT. Aunque este es un trabajo preliminar, orientado al uso de CS-SB como método de reconstrucción, el objetivo final, en un futuro próximo, es utilizar dicho método para demostrar qué tanto por ciento de fuentes podemos ignorar en el momento de la adquisición manteniendo una buena calidad de imagen con una adquisición acelerada.Publication Uso del método de Split Bregman para la resolución del problema de compressed sensing en imagen de resonancia magnética dinámica cardiaca para pequeño animal(Centro De Cirugía De Mínima Invasión Jesús Usón, 2011) Montesisnos, P.; Abascal, Juan; Chamorro Servent, Judit; Chavarrías, Cristina; Benito, M.; Vaquero López, Juan José; Desco Menéndez, ManuelLa imagen dinámica de resonancia magnética en pequeño animal es una herramienta muy importante en el estudio de enfermedades cardiovasculares. La reducción de los tiempos de adquisición de este tipo de imágenes es especialmente relevante para la obtención de imágenes de calidad con una buena resolución espacial y temporal. Actualmente existen diversas técnicas de aceleración que permiten reducir estos tiempos de adquisición, entre ellas la técnica de 'compressed sensing', en auge en los últimos años. Ésta técnica permite la reconstrucción de una imagen a partir de datos submuestreados mediante el uso de métodos de reconstrucción no lineales que minimizan la variación total de la imagen. Recientemente el método de Split Bregman ha demostrado ser computacionalmente eficiente para resolver este problema en imágenes de resonancia magnética. En este trabajo se amplía la metodología de Split Bregman para minimizar la variación total espacial y temporal en imágenes dinámicas, y se aplica a imágenes cardiacas de pequeño animal. Los resultados preliminares muestran que con la metodología propuesta es posible reducir el tiempo de adquisición hasta 5 veces manteniendo la calidad de imagen.Publication Interfaz de usuario para la adquisición de datos, calibración y reconstrucción de imagen para tomógrafo SPECT de animales de laboratorio(Centro De Cirugía De Mínima Invasión Jesús Usón, 2011) Olmo Castillo, Aurora María; Zamora, G.; García Villalba, Carmen; García Vázquez, Verónica; Abella García, Mónica; Vaquero López, Juan José; Desco Menéndez, Manuel; Lage Negro, EduardoPublication Implementación modular en GPU de un algoritmo de reconstrucción basado en FDK para tomografía de rayos X(Centro De Cirugía De Mínima Invasión Jesús Usón, 2011) Liria, Ernesto; García, J.; Abella García, Mónica; Isaila, Florin Daniel; Carretero Pérez, Jesús; Desco Menéndez, ManuelLa mayoría de los tomógrafos para pequeño animal están basados en geometría cone-beam con un detector plano orbitando en trayectoria circular. La reconstrucción en estos sistemas se suele hacer con un método basado en el algoritmo propuesto por Feldkamp, Davis y Kress (FDK). El aumento de velocidad en la reconstrucción para tomografía rayos X (TAC) es un requisito fundamental para la extensión de su aplicación clínica. En este artículo se presenta una implementación eficiente de unn algoritmo de reconstrucción modular basado en FDK, que aprovecha las posibilidades de cómputo paralelo y la eficiente interpolación provista en CUDA al usar memoria de texturas que ofrecen las unidades de procesamiento gráfico (GPU). El algoritmo implementado, probado en un micro-TAC de alta resolución, presenta una mejora de velocidad de ejecución de la etapa de retroproyección de un factor 40x respecto a una implementación secuencial de referencia escrita e C, manteniéndose en todo mmento la calidad de la reconstrucción.Publication Herramienta para la segmentación estructuras óseas de embriones de ave in ovo en imágenes de CT(Centro De Cirugía De Mínima Invasión Jesús Usón, 2011) García Villalba, Carmen; Balaban, Evan; Desco Menéndez, Manuel; Vaquero López, Juan JoséSe presenta un método para la segmentación de estructuras óseas de embriones de ave in ovo en imágenes CT. La cuantificación del volumen de las distintas estructuras segmentadas puede ser útil como medida del desarrollo del embrión dentro del huevo. Se ha validado para un amplio conjunto de imágenes de embriones de diferentes días de incubación.