Download propuesta docx - Trabajos de Grado de la facultad de Ingeniería de

FACULTAD DE INGENIERÍA
MAESTRÍA EN INGENIERÍA DE SISTEMAS Y
COMPUTACIÓN
TRABAJO DE GRADO – PROPUESTA DE PROYECTO
TÍTULO DEL
PROYECTO
DATOS DEL
ESTUDIANTE
DIRECTOR DE
TRABAJO DE
GRADO
ASESOR
(opcional)
Deformación interactiva de mallas
Nadia Alejandra Mejía
Molina
1022364649
CORREO
ELECTRÓNICO
[email protected]
[email protected]
Ing. Leonardo Flórez
Valencia PhD
MODALIDAD
Investigación
[email protected]
ÁREA DE ÉNFASIS
Computación Gráfica
N/A
N/A
GRUPO Y LÍNEA DE
INVESTIGACIÓN
Takina
Sub-línea - Computación Gráfica
La segmentación de imágenes es un proceso de gran importancia en actividades médicas ya
que permite obtener información sobre el paciente que puede ser usada para intervenirlo.
Para segmentar imágenes existe una técnica llamada modelos deformables que además de
ser promisoria es un campo activo de la investigación [4].
RESUMEN
Este proyecto pretende formular un modelo de deformación de imágenes médicas que se
realice de manera semi-automática; es decir, un proceso realizado por la máquina y apoyado
por el médico experto para corregir los errores que la máquina genera en el desarrollo de la
segmentación.
Se pretende formular un modelo que potencialice la integración del conocimiento médico al
procedimiento de deformación ya que pueden formularse mejores técnicas de interacción
que las existentes para obtener un proceso más útil e intuitivo.
El proceso se desarrolla mediante una metodología iterativa compuesta por las fases de
investigación, diseño, implementación y corrección; estas fases se realizan de forma
incremental con el fin de obtener un resultado completo y satisfactorio.
OBJETIVO GENERAL
Diseñar un modelo de deformación de mallas pulmonares que permita integrar la interacción
de un médico experto para aprovechar sus conocimientos.
OBJETIVOS ESPECÍFICOS
OBJETIVOS
1.
2.
3.
4.
Caracterizar el modelo de deformación de mallas
Diseñar el modelo de interacción con el médico experto
Implementar un prototipo que use el modelo de deformación de mallas junto con el
modelo de interacción
Validar el modelo de interacción por medio del prototipo
La segmentación de imágenes tiene un papel muy importante en la medicina en procesos
médicos como detección de enfermedades, estudio de anatomía, intervenciones asistidas
por computador, entre otros [4]. La visualización de imágenes médicas permite obtener
información potencialmente útil que no se conocía sobre el paciente y evitar situaciones que
puedan arriesgar su seguridad. Sin embargo, la segmentación de imágenes es un proceso
que aún debe mejorar debido a que hay dificultades en el reconocimiento de formas debido
a la gran variedad existente y a que la calidad de las imágenes médicas no siempre es
adecuada.
Los modelos deformables son una técnica de segmentación de propuesta formalmente a
finales de los 80 [6]. Son curvas o contornos que se inicializan en el dominio de una imagen y
dada una formulación matemática (e.g. minimización de fuerzas [4, 7]) se deforman hasta
encontrar las figuras de interés que allí se encuentran [7]. Esta técnica de segmentación de
imágenes ha servido de solución a muchos problemas inherentes a dicho proceso y ha traído
resultados promisorios, por lo cual es un campo activo de investigación.
PROBLEMA
DE
INVESTIGACIÓN
Los estilos de modelos deformables que existen pueden ser manuales (interactivos),
automáticos o semi-automáticos, y cada una de ellos tiene cosas a favor y en contra. La
deformación manual al ser realizada completamente por el médico es la más exacta pero es
una técnica lenta pues el médico debe segmentar todos los planos 2D que una imagen 3D
tenga. La automática se realiza de manera eficiente pero los modelos que genera no siempre
concuerdan con la realidad debido a que la máquina no tiene conocimientos médicos y
puede generar imágenes incorrectas. Las técnicas de segmentación semi-automáticas
pretenden incluir el conocimiento del médico en el proceso de deformación de modelos con
el fin de generarlos eficiente y correctamente [2].
A pesar de que las técnicas semi-automáticas son las más convenientes en términos de
calidad y tiempo, las que existen actualmente están pensadas en su mayoría para
segmentación en 2D. Los ejemplos de segmentación de imágenes 3D que existen, como el
propuesto en TurtleSeg [8], se basan en realizar la segmentación interactiva de varios planos
2D de la imagen que luego son usados por la máquina para generar el modelo completo [3];
esta implementación permite la construcción de modelos 3D correctos pero el proceso
requiere que el entrenamiento del médico sea suficiente para reconocer la figura de interés
en cada uno de los planos de segmentación y de esta forma el médico podrá ayudar a la
máquina a generar un modelo correcto al final [5].
El proceso de segmentación podría ser más exacto si el médico pudiera supervisar la
segmentación realizada por la máquina no en 2D sino en 3D. La segmentación en 3D permite
tener una idea más intuitiva del modelo que se está generando sin necesidad de tener un
entrenamiento para reconocer cada corte que conforma la imagen médica; además, el
proceso resulta más inmersivo que al realizarse en 2D sin tener idea del resultado hasta el
final del proceso.
METODOLOGÍA
La metodología usada pretende diseñar una solución a un problema de investigación del área
médica. El artefacto principal del proyecto será el modelo de la solución y la contribución
teórica para la solución de problemas similares.
La metodología comprende las fases de Investigación y análisis, Diseño, Implementación y
Validación; además, cada fase se realiza con una metodología específica. Para obtener
resultados satisfactorios el proceso se realiza de manera iterativa con el fin de corregir los
errores encontrados ya sea en análisis, diseño o implementación. La siguiente ilustración
muestra el proceso general que sigue la metodología.
DESCRIPCIÓN
GENERAL
Ilustración 1: Metodología
Las 4 fases metodológicas se articulan entre sí y con los objetivos como muestra la siguiente
tabla:
Fase metodológica
1.
2.
3.
4.
Objetivo
Caracterización de la técnica de
deformación de mallas que será
usada
Diseño del modelo de interacción
con un médico experto
Implementación de un prototipo
funcional que use el modelo de
interacción
1.
Caracterizar el modelo de
deformación de mallas
2.
Diseñar el modelo de interacción
con el médico experto
Implementar un prototipo que
use el modelo deformación de
mallas junto con el modelo de
interacción
Validación del modelo de
integración
4.
3.
Validar el modelo de interacción
por medio del prototipo (probar
y evaluar)
Tabla 1: Fases vs objetivos
FASE 1
Caracterización
de la técnica de
deformación de
mallas que será
usada
Esta fase permite investigar qué técnicas de deformación de modelos existen y escoger una
técnica para ser usada en el proyecto, la cual será caracterizada en un documento.

Razonamiento: Deducción

Entregables: Documento de caracterización de la técnica de deformación de mallas

Cómo se hará: Proceso deductivo
Se realizará una búsqueda de información que permita crear una base teórica sobre las
técnicas de deformación de modelos existentes, centrándose en la identificación de técnicas
automáticas para escoger la que será usada en el proyecto.

Actividades:
A. Investigación: búsqueda de información que describa las técnicas de deformación
de mallas.
FASE 2
Diseño del
modelo de
interacción con
un médico
experto
B.
Selección: escoger una técnica automática de deformación de mallas para usar en el
modelo de interacción.
C.
Caracterización: descripción escrita de la técnica de deformación de mallas elegida.
En esta fase se diseña un modelo que permita incluir la interacción de un médico experto al
proceso de deformación de mallas con la técnica seleccionada.

Razonamiento: Inducción

Entregables: Modelo de interacción, artículo modelo de interacción

Cómo se hará: Proceso inductivo
En esta fase se realiza un proceso de inducción apoyado por la base teórica generada en la
fase 1. Este proceso permitirá generar un modelo de interacción para incluir el conocimiento
del médico experto en el proceso automático de deformación de mallas.

Actividades:
A. Recopilación de información: establecer cuáles son las necesidades de interacción
del modelo.
FASE 3
Implementación
de un prototipo
funcional que
use el modelo de
interacción
B.
Diseño: generación del modelo de interacción que usará la técnica de deformación
elegida y ofrecerá las opciones de interacción necesarias.
C.
Producción artículo: generación de un artículo que describa el modelo de
interacción diseñado.
En esta fase se validará el modelo de interacción generado en la fase 2 por medio de
prototipos funcionales que serán corregidos y presentados de nuevo según las correcciones
realizadas al modelo.

Cómo se hará: Modelo de prototipos
El desarrollo será realizado con un modelo iterativo orientado a prototipos, ya que hace
posible evaluar la validez del modelo diseñado y hacer correcciones e incrementos para
garantizar la calidad del resultado [9]. La siguiente imagen muestra el modelo de desarrollo.
Plan rápido
Modelado diseño
rápido
Comunicación
Desarrollo, entrega
y retroalimentación
Construcción del
prototipo
Ilustración 2: Desarrollo orientado a prototipos


Entregables: Prototipo funcional
Actividades:
A. Implementación: programación de un prototipo funcional que use el modelo de
interacción diseñado.
B.
FASE 4
Validación del
modelo de
integración
Corrección: el prototipo será revisado y corregido dependiendo de las
modificaciones que haya que realizar al modelo de interacción diseñado en la fase
2.
En esta fase se evaluará por medio del funcionamiento del prototipo la validez del modelo de
interacción diseñado en la fase 2 y corregido en la fase 3.
 Entregables: Resultados de la evaluación y correcciones al modelo

Cómo se hará: Validación con un médico experto
Se evaluará que el prototipo cumpla con las necesidades de interacción y deformación
recopiladas en la fase 2, luego se realizará un caso de validación en el que se usará el
prototipo para segmentar un modelo médico y se usará una técnica de segmentación
manual (completamente realizada por un médico experto). Los resultados de las dos
segmentaciones serán comparados en términos de diferencias de distancia y el médico que
realizó la segmentación llenará una encuesta que permita conocer su experiencia y opinión
respecto al modelo de interacción implementado en el prototipo.

Actividades:
A. Evaluación: determinar si el modelo que implementa el prototipo cumple con las
necesidades que debe satisfacer.
B.
Caso de validación: construcción y ejecución de un caso de validación en el cual se
realizará la segmentación haciendo uso del prototipo final y comparando el
resultado con la segmentación del mismo modelo médico usando una técnica
manual (interactiva) realizada por un médico experto.
C.
Validación: obtención de retroalimentación del médico experto por medio de una
encuesta.
D. Producción artículo: generación de un artículo que describa el modelo de
interacción diseñado y los resultados de su validación.
RESULTADOS ESPERADOS
ASIGNATURA
MISyC
PROYECTO 1
ASIGNATURA
MISyC
PROYECTO 2
1a
Documento de caracterización de la técnica de deformación de mallas
1b
Modelo de interacción
1c
Artículo modelo de interacción
2a
Prototipo funcional
2b
Resultados de la evaluación y correcciones al modelo
2c
Resultados de la validación
2d
Artículo validación del modelo de interacción
CRONOGRAMA
Semanas
1
2
3
1-A
X
X
X
X
1-B
ASIGNATURA
MISyC
PROYECTO 1
4
5
X
X
X
1-C
6
7
8
9
X
X
X
X
X
X
2-A
10
11
X
X
2-B
X
2-C
14
15
16
X
X
X
X
X
X
X
X
X
X
X
X
1
2
3
4
5
6
7
8
9
3-A
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
X
4-A
10
4-B
11
12
X
X
X
13
14
X
X
4-C
X
4-D
Entregas
17
18
X
X
1b
Semanas
3-B
13
1a
Entregas
ASIGNATURA
MISyC
PROYECTO 2
X
12
2a
2b
15
X
X
X
X
2c
1c
16
17
18
X
X
X
2d
IMPACTOS POTENCIALES
El modelo desarrollado en el proyecto amplía el área de trabajo en la construcción de
aplicaciones interactivas en 3D para la segmentación de imágenes médicas.
DESARROLLO
CIENTÍFICO Y
TECNOLÓGICO
El modelo desarrollado en el proyecto amplía el campo de investigación en el área de
segmentación de imágenes médicas de forma interactiva en 3D.
El modelo brinda la oportunidad de evaluar la integración de dispositivos de realidad virtual
que hagan más natural el manejo de modelos deformables en 3D en el contexto médico.
IMPACTO Y
PROYECCIÓN EN
LA SOCIEDAD
El modelo generado en este proyecto podría ser usado para crear aplicaciones médicas que
sean potencialmente usadas en consultorios médicos, laboratorios médicos, universidades y
por expertos médicos de forma independiente de una institución.
Este proyecto podría generar una respuesta positiva por parte de la comunidad de la salud y
la comunidad científica o académica.
Este proyecto se desarrolla para servir de apoyo a procedimientos médicos, mejorar su
calidad y ampliar las opciones de análisis e intervención médica existentes.
El proyecto podría ser percibido como una amenaza de desplazamiento al personal médico,
pero su intención no es reemplazar las labores médicas sino potenciarlas.
El proyecto busca por medio de la interacción de la máquina y el experto médico garantizar
la generación de modelos que correspondan al estado médico real de cada paciente; esto
con el fin de resolver los inconvenientes éticos que genera intervenir y analizar pacientes a
partir de modelos incorrectos o inconsistentes con la realidad.
ASPECTOS
ÉTICOS
Y AMBIENTALES
Como es común en el contexto de medicina, existe una discusión ética relacionada los
problemas que trae disminuir el número de muertes por la mejora de procedimientos
médicos apoyados por herramientas que los hagan más efectivos.
A partir de los resultados de este proyecto, hay procedimientos médicos que podrían
experimentar una mejora significante, lo que podría llevar a los médicos a salvar más vidas
poniendo en riesgo el sostenimiento del planeta pues aumentaría la población al disminuir el
número de muertes.
Existen dos posiciones válidas respecto a este aspecto ético: la primera es no dar apoyo a la
medicina más allá de lo necesario, buscando garantizar ciclos de vida humanos de un tiempo
promedio normal para evitar la sobrepoblación; el segundo es apoyar la medicina con el fin
de curar enfermedades, descubrir soluciones, avanzar científicamente y prevenir muertes.
Debido a que ambas posiciones tienen validez y argumentos que las soportan, no es posible
determinar cuál es la más conveniente; sin embargo, el desarrollo de este proyecto tiene una
tendencia natural hacia la segunda posición por ser de carácter investigativo y buscar el
desarrollo del conocimiento.
PROSPECTIVA DE INNOVACIÓN
POTENCIAL DE
INNOVACIÓN
El desarrollo del proyecto permitirá mejorar las opciones que existen de deformación
interactiva de modelos para apoyar procedimientos médicos de manera eficiente y efectiva,
debido a que los modelos corresponderán a la realidad por la integración del conocimiento
del médico y serán generados de manera rápida gracias a la participación de la máquina.
Además el proceso será realizado de una forma más inmersiva que las existentes, debido a
que visualmente será más claro deformar y ver el modelo en 3D que deformarlo por planos
2D sin obtener retroalimentación inmediata del resultado del proceso.
PROPIEDAD
INTELECTUAL
El trabajo de grado se realizará en el marco de investigación del grupo Takina de la Pontificia
Universidad Javeriana de Bogotá. El trabajo se desarrollara haciendo uso de las herramientas
tecnológicas que pertenecen al grupo Takina. El resultado del proyecto aportará la
investigación del grupo Takina, servirá como base para futuros trabajos y proyectos del
grupo, y estará a disposición del grupo Takina, sin ninguna restricción de uso académico.
BIBLIOGRAFÍA
[1]. M. Poon, G. Hamarneh, and R. Abugharbieh, “Segmentation of Complex Objects with Non-Spherical
Topologies from Volumetric Medical Images using 3D Livewire,” in SPIE Medical Imaging, 2007, vol. 6512–31,
pp. 1–10.
[2]. G. Hamarneh, J. Yang, C. McIntosh, and M. Langille, “3D live-wire-based semi-automatic segmentation of
medical images,” in SPIE Medical Imaging, 2005, vol. 5747, pp. 1597–1603.
[3]. M. Poon, G. Hamarneh, and R. Abugharbieh, “Efficient Interactive 3D Livewire Segmentation of Objects with
Arbitrarily Topologies,” Computerized Medical Imaging and Graphics, vol. 32, no. 8, pp. 639–650, 2008.
[BLEE2008] Bleeming A., Agents with Adaptation are Well-Structured AWZ. Proc. Conferencia IEEE-ICRA,
pp.532-538, 2009.
[4]. C. Xu, D. L. Pham, and J. L. Prince, "Medical Image Segmentation Using Deformable Models," Handbook of
Medical Imaging -- Volume 2: Medical Image Processing and Analysis, pp. 129-174, edited by J.M. Fitzpatrick
and M. Sonka, SPIE Press, May 2000.
[5]. Top, A., Hamarneh, G., Abugharbieh, R. “Spotlight: Automated confidence-based user guidance for increasing
efficiency in interactive 3D image segmentation,” In: Menze, B., Langs, G., Tu, Z., Criminisi, A. (eds.) MICCAI
Medical Computer Vision Workshop, LNCS, vol. 6533, pp. 204–213. Springer Berlin / Heidelberg (2010)
[6]. M. Kass, A. Witkin, and D. Terzopoulos, “Snakes: active contour models,” Int’l J. Comp. Vis., vol. 1, no. 4, pp.
321–331, 1987.
[7]. T. Mcinerney, “Deformable Models,” in in Handbook of Medical Image Processing and Analysis, Elsevier,
2009, pp. 145–166.
[8]. Top, A., Hamarneh, G., Abugharbieh, R. (2013). Turtleseg [Online]. Disponible en:
http://www.turtleseg.org/index.php?page=gallery
[9]. Modelo de prototipos [Online]. Disponible en: http://boyso.wordpress.com/2008/04/29/ciclo-de-vida-de-lossistemas-modelo-por-prototipos/