Optimización computacional de algoritmos de análisis de biomarcadores de imagen de Resonancia Magnética mediante modelos dinámicos en Oncología

Abstract

[ES] El proyecto se realizará en un marco colaborativo con el Grupo de Investigación Biomédica en Imagen (GIBI230) del Hospital Universitario y Politécnico La Fe y parte de un desarrollo previo de algoritmos para el procesamiento de imágenes médicas para la extracción de biomarcadores de imagen a partir de imágenes de Resonancia Magnética de Difusión y Perfusión en el ámbito oncológico. Los algoritmos previos han sido ya desarrollados e implementados, pero pueden optimizarse computacionalmente para reducir su tiempo de ejecución. Este proyecto se centrará en realizar un análisis detallado de las diferentes partes del proceso: lectura de imágenes, preprocesado, ajuste de curvas por mínimos cuadrados y extracción de biomarcadores. El objetivo será conseguir una optimización del proceso persiguiendo una aceleración de la ejecución y cometiendo el menor error posible en los cálculos de los biomarcadores. Para ello, se partirá de algoritmos en Matlab, donde la tarea computacionalmente más demandante la realiza la función iterativa Isqcurvefit, que ajusta los modelos dinámicos a los datos de forma no lineal mediante mínimos cuadrados. Finalmente se comprobará el grado de éxito del proyecto al comparar el tiempo de ejecución original y el alcanzado durante el proyecto así como el error cometido en el análisis, tomando como referencia los resultados que se están obteniendo en la actualidad.

[EN] The project will be carried out in a collaborative framework with the Grupo de Investigación Biomédica en Imagen (GIBI230) of the Hospital Universitario y Politécnico La Fe and starts from a previous development for the medical image processing for extracting image biomarkers from Magnetic Resonance Imaging of Diffusion and Perfusion in the oncologic domain. The previous algorithms have already been developed and implemented, but can be optimized computationally to reduce their execution time. This project focuses on a detailed analysis of the different parts of the process: Reading of images, preprocessing, adjustment by least squares curves and extraction of biomarkers. The objective will be to achieve optimization of the process by pursuing an acceleration of execution and making the smallest possible error in the calculations of the biomarkers. To do this, we will start with algorithms in Matlab, where the computationally most demanding task is performed by the Isqcurvefit iterative function, which adjusts the dynamic models to the data in a nonlinear way using least squares. Finally, the degree of success of the project will be checked by comparing the original execution time and the time achieved during the project, as well as the error committed in the analysis, taking as reference the results that are currently being obtained.