Modelado del comportamiento biomecánico del hígado en tiempo real usando modelos de aprendizaje automático entrenados en simulaciones por el método de los elementos finitos

Abstract

[ES] En los últimos años se ha producido un crecimiento sin precedentes en el campo de la ingeniería biomédica. Pese a todo, aún quedan aplicaciones que se siguen considerando un reto. Una de estas aplicaciones es la simulación precisa y en tiempo real del comportamiento biomecánico de diferentes órganos, y en especial del hígado. Un modelo del hígado con estas características supondría un gran avance en el desarrollo de simuladores quirúrgicos, la cirugía asistida por ordenador, o la irradiación dirigida de tumores. Sin embargo, todas las aproximaciones hasta ahora publicadas adolecen o bien de lentitud, o bien de imprecisión.

En este proyecto se plantea una aproximación relativamente novedosa, que consiste en utilizar un modelo de aprendizaje automático (que es extremadamente rápido) entrenado en simulaciones llevadas a cabo mediante el método de los elementos finitos (que son muy precisas). Los algoritmos de aprendizaje automático, tales como redes neuronales, son aproximadores no lineales muy potentes, capaces de aprender un modelo general del comportamiento biomecánico de un hígado en base a unas pocas muestras.

Se comprobará que dichos modelos presentan un rendimiento excelente sobre un único hígado, aun cuando sobre este actúen fuerzas simultáneas, o se varíen las propiedades del material. También se desarrollará un modelo mucho más general, con buen rendimiento, capaz de modelar el comportamiento de cualquier hígado independientemente de su geometría.

Además, a lo largo de esta memoria se expondrá un flujo de procesado que permitiría pasar de una imagen de un hígado cualquiera segmentado a un modelo mecánico listo para simular, en apenas unos minutos y de forma totalmente automática.

En definitiva, los resultados obtenidos suponen un gran paso hacia delante en este campo, y se confía en que estos puedan implementarse con prontitud en la práctica clínica.

[EN] In the last few years, there has been an unprecedented growth in the field of biomedical engineering. Despite everything, there are still many applications which represent a challenge. One of these applications is the accurate real time simulation of the biomechanical behavior of different organs, and specially the liver. A model of the liver with such features would represent a great leap forward in the development of surgical simulators, computed assisted surgery, or guided tumor irradiation. However, all the methods published so far suffer either from slowness or from inaccuracy.

In this project, a relatively novel approximation is presented. This approximation is based on using a machine learning algorithm (which is extremely quick) trained in simulations by the method of the finite elements (which are very accurate). The machine learning algorithms, such as neural networks, are very powerful non-linear approximators, capable of learning a general model of the biomechanical behavior of the liver from just a few samples.

It will be shown that these models perform extremely well when trained on a single liver, even when simultaneous forces are in play, or the material properties are changed. Also, a much more general model will be developed (with mostly positive results), capable of modelling the behavior of any liver, whatever its geometry may be.

Moreover, a workflow will be presented along this paper, which can process a liver mask image into a mechanical model ready to be simulated in real time, automatically and only in a few minutes.

Ultimately, the results here achieved represent a great improvement in this field, and it is trusted that these results will be soon implemented in clinical praxis.