Resumen Técnico: Evaluación de la Postura del Paciente Mediante un Marco Basado en TC para la Generación de Datos Sintéticos

Planteamiento del Problema

La calidad diagnóstica de las radiografías es crítica para un diagnóstico y una planificación del tratamiento fiables. Un determinante principal de esta calidad es la postura del paciente durante la adquisición. Un posicionamiento deficiente conduce a imágenes no diagnósticas, lo que requiere repeticiones que aumentan la exposición a la radiación de los pacientes y los costes para los hospitales. El posicionamiento es actualmente propenso a errores debido a la falta de estandarización y a la dependencia de la experiencia del radiógrafo.

Si bien las cámaras de Tiempo de Vuelo (ToF, por sus siglas en inglés) pueden capturar imágenes de profundidad para evaluar la postura antes de realizar una radiografía, la adquisición de los datos de entrenamiento emparejados necesarios (imágenes de profundidad y radiografías correspondientes con etiquetas de calidad diagnóstica) se ve obstaculizada por restricciones regulatorias y éticas. Exponer intencionadamente a los sujetos a la radiación en posturas no diagnósticas es éticamente injustificable, y el uso de preparaciones anatómicas carece de escalabilidad. Además, la integración de cámaras en tiempo real en la práctica clínica enfrenta obstáculos de protección de datos.

Metodología

Los autores proponen un marco para generar sintéticamente imágenes de profundidad y radiografías emparejadas a partir de exploraciones de Tomografía Computarizada (TC) existentes, evitando la necesidad de nueva exposición a la radiación. El marco consta de las siguientes etapas:

1. Preprocesamiento y Extracción de Superficie:

   • Las exploraciones de TC se convierten en nubes de puntos utilizando el Algoritmo de Marching Cubes (MCA) con un umbral de -500 Unidades Hounsfield (HU) para eliminar el aire.
   • Se recorta la anatomía objetivo (articulación del tobillo superior).
   • Se define un eje de rotación (eje longitudinal) y un plano de referencia ($\Pi_P$) para simular las rotaciones de la pierna humana y la colocación de la mesa.
   • Un algoritmo de optimización asegura que la anatomía rotada se coloque de forma realista sobre un plano de mesa de imagen pregrabado ($\Pi_T$), evitando que partes de la anatomía se intersecten con la mesa.

2. Aumentación:

   • Para simular diversos tipos de cuerpo y patologías, la nube de puntos se desplaza a lo largo de vectores normales.
   • Se utilizan distribuciones gaussianas para crear "protuberancias" que simulan hinchazones o edema, particularmente alrededor del tobillo y la tibia.
   • Esto resulta en múltiples variantes aumentadas (original, desplazamiento de tamaño, desplazamiento de protuberancia y combinada) para cada postura.

3. Composición de la Escena y Generación de Imágenes de Profundidad:

   • La anatomía objetivo se integra en una nube de puntos pregrabada de una sala de rayos X (incluyendo la mesa).
   • La anatomía se rota a varios ángulos (incluyendo posturas no diagnósticas) y se coloca sobre la mesa.
   • Las imágenes de profundidad sintéticas se generan mediante proyecciones 2D de las nubes de puntos, incorporando parámetros intrínsecos/extrínsecos de la cámara y coeficientes de distorsión para imitar configuraciones específicas de cámaras ToF.

4. Generación de Radiografías Sintéticas:

   • Para asegurar la precisión física, las radiografías se generan utilizando una simulación de Monte Carlo (herramienta MCGPU) en lugar de aproximaciones basadas en aprendizaje profundo.
   • Los vóxeles de la TC se convierten en vóxeles de material y densidad de masa (aire, tejido blando, hueso, titanio).
   • La posición de la fuente de rayos X se mueve virtualmente en relación con el volumen estático de la TC para simular diferentes posturas.
   • Se simulan $2 \cdot 10^{10}$ trayectorias de fotones, y la salida bruta se mapea de forma no lineal para asemejarse a radiografías reales.

Conjuntos de Datos

El estudio utiliza tres conjuntos de datos:

1. Conjunto de Datos Sintético: Generado a partir de 10 exploraciones de TC anonimizadas (17 articulaciones del tobillo superior). Contiene 3077 posturas únicas, cada una con sus correspondientes radiografías sintéticas e imágenes de profundidad desde dos vistas de cámara. Esto incluye variaciones aumentadas, totalizando más de 30,000 imágenes de profundidad.
2. Conjunto de Preparaciones Anatómicas: Contiene imágenes de profundidad y radiografías reales de dos piernas cadavéricas en 174 posturas, capturadas con cámaras ToF Microsoft Azure Kinect.
3. Conjunto de Datos Clínicos del Mundo Real: Un conjunto de datos débilmente etiquetado de 18 sujetos vivos (108 posturas) capturados en un entorno clínico. No se tomaron radiografías por razones éticas; las etiquetas (1 para "bueno", 3 para "malo") son sustitutos basados en el posicionamiento relativo a un ideal de libro de texto.

Experimentos y Entrenamiento

Los autores entrenaron modelos EfficientNet-B0 (dos redes separadas para dos vistas de cámara) para regredir la calidad diagnóstica (escala 1–3) a partir de imágenes de profundidad. Los experimentos abordaron dos preguntas:

1. ¿Pueden los datos sintéticos por sí solos aprender la evaluación de la postura?
2. ¿Mejora el preentrenamiento con datos sintéticos el rendimiento con datos reales?

Configuración Experimental:

• Experimento 1: Entrenar y probar únicamente con el conjunto de datos sintético para evaluar las estrategias de aumentación (tamaño, protuberancias, ambas).
• Experimento 2a: Ajuste fino (fine-tuning) de modelos preentrenados con el conjunto de datos sintético (e ImageNet) en el conjunto de datos de preparaciones anatómicas.
• Experimento 2b: Ajuste fino de modelos en el conjunto de datos clínicos del mundo real.
• Experimento 2c: Probing lineal (congelar el backbone, entrenar solo la cabeza) para evaluar la transferibilidad de las características.

Resultados Clave

• Aprendizaje de Datos Sintéticos: El entrenamiento únicamente con el conjunto de datos sintético alcanzó una precisión del 87.6% (con aumentación de tamaño), superando significativamente a una línea base que predice la etiqueta media (59.3%).
• Transferencia a Preparaciones Anatómicas: El preentrenamiento con el conjunto de datos sintético mejoró el rendimiento en el conjunto de datos de preparaciones anatómicas reales en comparación con el entrenamiento desde cero o el preentrenamiento con ImageNet.
  • Precisión: Aumentó en 11 puntos porcentuales (de ~79% a 90.45%) utilizando el enfoque específico de la vista de la cámara con aumentación de tamaño.
  • Precisión Diagnóstica: Mejoró en 3 puntos porcentuales.
  • Las pruebas de significación estadística (prueba de permutación pareada) confirmaron que la reducción en el Error Absoluto Medio (MAE) fue significativa ($p = 0.0049$).
• Transferencia a Datos Clínicos: El preentrenamiento con datos sintéticos también mejoró el rendimiento en el conjunto de datos clínico del mundo real débilmente etiquetado en comparación con el entrenamiento desde cero.
  • Precisión del Margen de Postura: Mejoró aproximadamente un 8 por ciento.
  • Precisión: Mejoró en ~4 puntos porcentuales.
  • La significación estadística fue confirmada ($p = 0.0020$).
• Probing Lineal: Las características aprendidas del preentrenamiento sintético produjeron un mejor rendimiento en el probing lineal que la inicialización aleatoria o el preentrenamiento de ImageNet, confirmando la utilidad de las características aprendidas.

Significancia y Reivindicaciones

El artículo afirma que el marco propuesto resuelve con éxito el cuello de botella de la adquisición de datos para la evaluación de la postura del paciente mediante el aprovechamiento de exploraciones de TC existentes para generar datos de entrenamiento sintéticos a gran escala y realistas. La significancia principal radica en demostrar que:

1. Transferencia Sintético-Real: Las características aprendidas de las imágenes de profundidad sintéticas basadas en TC son altamente transferibles a imágenes de profundidad reales, impulsando significativamente la precisión de la evaluación de la calidad diagnóstica sin requerir nueva exposición a la radiación.
2. Escalabilidad Clínica: El enfoque permite la generación de diversas posturas, incluyendo aquellas no diagnósticas, que son éticamente difíciles de capturar en pacientes reales.
3. Impacto Práctico: Al permitir una evaluación de la postura previa al escaneo precisa, el método tiene el potencial de reducir las repeticiones de radiografías, reduciendo así la exposición del paciente a la radiación y los costes hospitalarios.

Los autores señalan limitaciones, incluyendo la restricción a la articulación del tobillo superior, el uso de una única configuración de sala de rayos X y la dependencia de etiquetas débiles para el conjunto de datos clínico. Enfatizan que, si bien el marco es escalable y adaptable, se requiere trabajo futuro para validar el enfoque en diferentes anatomías y entornos clínicos.