Inicio ASP Desarrollan un sistema basado en técnicas de aprendizaje para agilizar el diagnóstico...

Desarrollan un sistema basado en técnicas de aprendizaje para agilizar el diagnóstico de la enfermedad de Kawasaki

La Universidad Politécnica de Madrid trabaja con estas técnicas para agilizar el análisis de las imágenes procedentes del ecocardiograma

Diagnóstico-Kawasaki
Salud UPM

..Redacción.
Un equipo de investigadores del Grupo de Investigación de Tratamiento de Imágenes de la Universidad Politécnica de Madrid (UPM) ha desarrollado un sistema basado en técnicas de aprendizaje profundo para agilizar el diagnóstico de la enfermedad de Kawasaki. Se trata de las imágenes procedentes del ecocardiograma, que permiten detectar anomalías en las arterias coronarias.

La enfermedad de Kawasaki es la afección cardíaca más común presente en los niños de los países desarrollados. Además, si la enfermedad no se diagnostica pronto, puede generar vasculitis, miocarditis y dilatación coronaria; pudiendo causar complicaciones cardíacas a largo plazo por el daño generado en los vasos sanguíneos. Por ello, los investigadores de la UPM insisten en perfeccionar las técnicas de diagnóstico actuales. Para ello, apuestan por el análisis de los datos procedentes de técnicas de imagen inocuas, como el ecocardiograma.

Julián Cabrera: “El sistema extrae todos los fotogramas pertenecientes al ecocardiograma y se clasifican en función de las arterias que aparecen en ellos”

La realización de ecocardiogramas permite detectar anomalías en las arterias coronarias. Este proceso es difícil de automatizar, por lo que se realiza de forma manual, siendo normalmente un proceso complejo, lento y tedioso, pero el más efectivo para diagnosticar esta patología”, explica Julián Cabrera, uno de los investigadores de la UPM.

El modelo que proponen aborda el primer paso de análisis automático del ecocardiograma: la detección de las arterias coronarias en los fotogramas del mismo. “En esta primera etapa, el sistema extrae todos los fotogramas pertenecientes al ecocardiograma y se clasifican en función de las arterias que aparecen en ellos: arteria izquierda, arteria derecha, ambas arterias o ninguna”, añade el investigador.

La investigación se ha centrado en el diseño, desarrollo y evaluación de redes neuronales convolucionales de diferente profundidad diseñadas específicamente para clasificar imágenes de ecocardiografía

En este sentido, la investigación se ha centrado en el diseño, desarrollo y evaluación de redes neuronales convolucionales de diferente profundidad diseñadas específicamente para clasificar imágenes de ecocardiografía. “Este primer desarrollo va a permitir seleccionar automáticamente los fotogramas relevantes a analizar dentro del ecocardiograma, permitiendo agilizar el diagnóstico de la enfermedad y facilitando el trabajo a los cardiólogos”, concluye Cabrera.

Noticias complementarias