Caracterización estructural de vértebras humanas a partir de tomografías axiales computarizadas

Abstract

[ES] En este TFG se va a desarrollar un procedimiento automático para extraer las frecuencias naturales y modos de vibración de vértebras humanas a partir de imágenes médicas utilizando el Cartesian grid finite element method desarrollado por profesorado del Dep. de Ing. Mecánica y Materiales.

Se pretende utilizar la técnica desarrollada a una base de datos pública de vértebras de pacientes sanos y usar técnicas Machine Learning (ML) para inferir el comportamiento de vértebras sanas.

Aplicando el procedimiento a vértebras de otros pacientes, y por comparación con el comportamiento inferido por el algoritmo ML será posible caracterizar si las nuevas vértebras corresponden a pacientes sanos. Este procedimiento es relevante en el diagnóstico de pacientes que, tras haber padecido un cáncer de próstata o de mama, sufren metástasis en vértebras, lo que suele ocurrir a aproximadamente un tercio de dichos pacientes.

[EN] In this TFG an automatic procedure will be developed to extract the natural frequencies and modes of vibration of human vertebrae from medical images using the Cartesian grid finite element method developed by professors from the Department of Mechanics and Materials Engineering.

It is intended to use the technique developed in a public database of vertebrae from healthy patients and to use Machine Learning (ML) techniques to infer the behavior of healthy vertebrae.

By applying the procedure to vertebrae from other patients, and by comparison with the behavior inferred by the ML algorithm, it will be possible to characterize if the new vertebrae correspond to healthy patients. This procedure is relevant in the diagnosis of patients who, after having suffered from prostate or breast cancer, suffer metastases in the vertebrae, which usually occurs in approximately one third of these patients.

[CA] Actualment el càncer es una de les principals causes de la mortalitat a nivell mundial y una de les primeres en Espanya. Entre les complicacions que pot produir aquesta malaltia, un dels principals problemes que poden arribar a sortir es la debilitació de la estructura òssia per la acció de la metàstasis òssia, seguen les vèrtebres un dels principals focs d’aparició. La metàstasis òssia produeix canvis en la estructura interna de la vèrtebra, portant, en situacions avançades, a una reducció o increment anormal en la rigidesa dels ossos, produint finalment la fractura de la vèrtebra. En els ultimes anys s’han produït grans avanços en el camp del estudi de la malaltia i s’ha arribat a crear metodologies capaces de la utilització de imatges mèdiques per a l’anàlisi de la estructura òssia y la observació de la evolució del tumor. No obstant això, a pesar dels avanços recents, aquest camp encara presenta un ampli rang de millora. Per això, sorgís la present línia de estudi centrada en la millora de les tècniques actuals de l’anàlisi estructural de les vertebres afectades per la metàstasis òssia a partir de imatges mèdiques. En aquest objectiu es presenta el software Cartesian Grid Finite Element Method (cgFEM), el qual permet la utilització de les imatges mèdiques amb la finalitat de generar models de les zones objectiu y realitzar mallats adaptatius a la geometria, que permetran la realització de anàlisis mes precisos, evitant els problemes que presenten els tractaments actuals. A mes a mes, es deurà tindre en compte la selecció d’una sèrie de biomarcadors que permetran el seguiment de la metàstasis en la vèrtebra. En aquest projecte els biomarcadors seleccionats son les freqüències naturals y els modes de vibració pròpies de la vertebra. Aquests biomarcadors permetran la captació de les variacions en la estructura interna de la vertebra produïdes per la acció d’un tumor y determinaran la natura d’aquest a partir del seu anàlisis. D’aquesta manera, els resultats obtinguts de la aplicació d’aquesta metodologia permetran realitzar un estudi de la evolució del tumor o en el cas d’introduir tècniques de Machine Learning en el futur, la creació d’algoritmes mitjançant la metodologia utilitzada per al estudi de la vertebra amb l’objectiu de crear models capaços de anticipar l’aparició de tumors