miércoles, 29 de octubre de 2008

Fundamentos físicos de calidad de imagen en Medicina Nuclear, los beneficios de los Clusters.


Resumen

El presente artículo realiza una descripción físico-matemática de los principales factores físicos que caracterizan la calidad de la imagen en Medicina Nuclear, así como una descripción conceptual de la degradación que sufre la información proveniente del objeto debido al sistema de imagen (cámara gamma). Seguidamente se realiza una presentación crítica de algunos métodos cualitativos y cuantitativos de valoración de la calidad de la imagen, colaterales al tradicional control de calidad del equipamiento, como son el análisis ROC, las Técnicas de Clustering y el Análisis Discriminante. Dentro de estas dos últimas, se analizan los principales factores que determinan la calidad de la imagen y cómo los mismos se traducen en cambios en los valores cuantitativos de las principales variables físicas que la caracterizan. Se realiza además una comparación entre los métodos, resaltando su utilidad para monitorear calidad de imagen, así como sus principales ventajas y desventajas.




Las Técnicas de Clustering

Las técnicas de clustering constituyen una técnica exploratoria, útil para encontrar conglomerados de casos que se puedan unir de acuerdo con un grupo de variables como es el caso de determinar si a partir de un grupo de variables (Xi, i=1...n) físico-médicas, medidas durante cualquier tipo de examen de Medicina Nuclear, es posible determinar grupos de estudios con calidad de imagen diferenciada, en los términos físicos definidos anteriormente, aún y cuando estas diferencias fuesen tan sutiles, que dado el limitado umbral de discriminación de un observador experto, no fuesen apreciables a simple vista.

Para lograr el propósito anterior se parte de una matriz inicial de datos, la cual es obtenida de observar el comportamiento de las Xi variables medidas durante un estudio de Nc casos, adquiridos con maniquíes o con pacientes. Estas Xi variables, deben recoger incluso las más pequeñas variaciones en calidad de la imagen médica, al variar algunos parámetros de entrada (Ejemplo: actividad administrada, características físico-metabólicas del paciente, la eficiencia de marcaje del radiofármaco, protocolo de adquisición, tamaño de matriz, etc. Quienes constituyen en esencia, el conjunto de factores determinantes de la calidad de la imagen. A partir de aquí, se construye una matriz de distancias D. Las variables consideradas en el inicio del análisis serán aquellas que a priori se conoce deben relacionarse con la calidad de la imagen y que son específicas en dependencia del estudio a realizar, ya que para desarrollar este paso solo se siguen consideraciones teóricas, conceptuales y prácticas del investigador.

En este problema físico particular las Xi variables, que se han introducido en algunos estudios experimentales por actuar directamente sobre el contraste imagen, el ruido aleatorio o la resolución espacial, son las siguiente: Peso corporal, dimensiones del paciente (talla y estatura), edad y sexo, eficiencia de marcaje del fármaco con el compuesto radiactivo, índices de contraste en las imágenes, protocolo de adquisición (número de conteos a adquirir o tiempo de adquisición de las imágenes), u otros, en dependencia del tipo de estudio que se esté realizando. A continuación se ofrece la justificación teórica para la selección de algunos factores.
Peso corporal y dimensiones del paciente: Al aumentar el peso, la talla del paciente y/o el grosor de sus órganos, se produce una disminución en la densidad de conteos posible de medir en los órganos de interés en cada tipo de estudio, que se convierte en esencial específicamente para el caso de estudios planares , dadas las limitaciones en el contraste imagen para este tipo de estudios, la cual se puede estimar de acuerdo con el órgano bajo estudio de modelos matematicos


Información Tomada de :


Herramientas Cluster de Intel



Herramientas de asistencia a los desarrolladores de aplicaciones y gestores de sistemas distribuidos.








DESCRIPCIÓN GENERAL

Las herramientas Intel® Cluster Tools dan asistencia a los desarrolladores y gestores de sistemas distribuidos para obtener el mejor rendimiento. Estas herramientas ayudan a los desarrolladores a crear, analizar, optimizar y distribuir aplicaciones de alto rendimiento en clusters de sistemas basados en procesadores Intel. Intel® Trace Analyzer e Intel® Trace Collector – los primeros productos de esta línea – proporcionan un trazado basado en eventos para la optimización del software.

Analizador de Trazas de Intel

El analizador de trazas, Intel Trace Analyzer, proporciona las vías más convenientes para analizar de forma gráfica las trazas de los eventos de Intel Trace Collector. Permite a los desarrolladores enfocar su trabajo rápidamente en el nivel de detalle deseado. Intel Trace Analyzer visualiza gráficamente el comportamiento en tiempo de ejecución de las aplicaciones. La línea de tiempos, el paralelismo, la comunicación y las estadísticas ayudan a visualizar el análisis de la ejecución del programa y las operaciones de comunicación.

Recolector de trazas de Intel

El colector de trazas de Intel, Trace Collector, incorpora las ventajas del trazado basado en eventos a las aplicaciones con una librería de trazado de bajo impacto. Soporta Java* y procesos multi-threaded con o sin MPI. La herramienta es completamente "thread safe", permitiendo el trazado de aplicaciones MPI multi-threaded. Intel Trace Analyzer visualiza los datos producidos por Intel Trace Collector.



Informacion Tomada de :

http://www.addlink.es/productos.asp?pid=372

viernes, 24 de octubre de 2008

INTRODUCCION - CLUSTERS EN LA MEDICINA

APLICACIONES DE CLUSTERS A LA MEDICINA

El término cluster se aplica a los conjuntos o conglomerados de computadoras construidos mediante la utilización de componentes de hardware comunes y que se comportan como si fuesen una única computadora. Hoy en día juegan un papel importante en la solución de problemas de las ciencias
, las ingenierias
y del comercio moderno.
La tecnología de clusters ha evolucionado en apoyo de actividades que van desde aplicaciones de supercómputo y software de misiones críticas, servidores Web y comercio electrónico, hasta bases de datos de alto rendimiento, entre otros usos.


El cómputo con clusters surge como resultado de la convergencia de varias tendencias actuales que incluyen la disponibilidad de microprocesadores económicos de alto rendimiento y redes de alta velocidad, el desarrollo de herramientas de software para cómputo distribuido de alto rendimiento, así como la creciente necesidad de potencia computacional para aplicaciones que la requieran.
Simplemente, cluster es un grupo de múltiples ordenadores
unidos mediante una red de alta velocidad, de tal forma que el conjunto es visto como un único ordenador, más potente que los comunes de escritorio.


Clusters son usualmente empleados para mejorar el rendimiento y/o la disponibilidad por encima de la que es provista por un solo computador típicamente siendo más económico que computadores individuales de rapidez y disponibilidad comparables.
De un cluster se espera que presente combinaciones de los siguientes servicios:


- Alto Rendimiento
- Alta Disponibilidad
- Equilibrio de Carga
- Escabilidad


La construcción de los ordenadores del cluster es más fácil y económica debido a su flexibilidad: pueden tener todos la misma configuración de hardware
y sistema operativo (cluster homogéneo), diferente rendimiento pero con arquitecturas y sistemas operativos similares (cluster semi-homogéneo), o tener diferente hardware y sistema operativo (cluster heterogéneo), lo que hace más fácil y económica su construcción.
Teniendo en cuenta estas definiciones y características de los clusters a continuación estudiaremos las necesidades de la medicina que pueden ser cubiertas por clusters y algunas aplicaciones que se vienen utilizando.

NECESIDADES MÉDICAS:

-Acceso rápido, seguro y ubicuo de la información.
-Resolver la incompatibilidad de los datos.
-Confidencialidad de los datos.
-Manejo de información de gran dimensión, creciente en tamaño y relevantes a largo plazo.
-Se requiere gran cantidad computacional, debido a lo voluminoso de la información médica, y a que su procesamiento es complejo.
-Acceso permanente a la información con tolerancia a fallos.
-Nuevas aplicaciones, que van desde diagnostico asistido por computador, hasta análisis proteómico y genómico, pasando por terapias
adaptadas al paciente.

miércoles, 22 de octubre de 2008

Elaboran modelos de cirugía asistida por computadora - Biocluster

Elaboration of computer assisted surgery models


Laura RomeroSon un apoyo a los adelantos en materia biológica, médica y biomédica.




A partir de sus trabajos sobre tecnología con imágenes, científicos de la UNAM elaboran nuevos modelos de cirugía asistida por computadora para intervenir diferentes partes complejas del cuerpo, como arterias, venas pulmonares, esófago, estómago, próstata y núcleos celulares.

Así lo dio a conocer Jorge A. Márquez Flores, coordinador del Laboratorio de Imágenes y Visión, dependiente del Centro de Ciencias Aplicadas y Desarrollo Tecnológico, con quien también colaboran Fernando Arámbula Cosío y Miguel A. Padilla Castañeda.

Con esta investigación –que prové de múltiples herramientas para analizar el cuerpo humano, seres vivos y fenómenos físicos–, podrían también realizar reconstrucción tridimensional, estudios de estructuras complicadas, reconocimiento de patrones y, en general, aplicaciones del procesamiento de gráficos en apoyo a los adelantos en materia biológica, médica y biomédica.

Márquez Flores explicó que en ese espacio se diseñan soluciones y métodos a planteamientos de médicos y biólogos, trajes a la medida para atender los requerimientos de los expertos en física, ingeniería y computación. “Tratamos de hacer lo mejor posible para que las aplicaciones tengan incidencia en la sociedad, y en este caso, en el sector salud en general”.

Sobre el grupo que trabaja con esta tecnología, detalló: “Provenimos de áreas distintas, por lo que necesitamos conocer los problemas, leer sobre medicina y biología. Hemos aprendido a identificar lo que nos corresponde. En una mamografía vemos texturas, formas, geometría, y esto nos permite caracterizar un tumor, aunque no es nada fácil”.

Aseguró que la importancia de las imágenes no sólo se limita a la observación de la anatomía o estructura de los órganos, también de la función. Así ocurre cuando la glucosa se dirige a áreas activas del cerebro en cierto momento, pero si hay una lesión o anormalidad no lo hace como se espera. Son aspectos que, combinados con otra información, permiten establecer si hay patologías, y qué regiones se activan, dijo.

En el ámbito microscópico, Márquez Flores ha trabajado en la reconstrucción tridimensional de núcleos celulares, en particular de la cromatina que forma el núcleo en cé-lulas animales, y en neuronas dopaminérgicas de la sustancia negra de pacientes con mal de Parkinson. También con algunas porciones de hueso y cráneo.En el área de antropología física, estas técnicas se aplican para identificar –mediante unas cuantas referencias– a una persona.

Con la Facultad de Medicina se desarrolló un programa de análisis para determinar el efecto de la cisticercosis en tejidos de cerdo que presentan respuesta inmunológica mediante procesos bioquímicos. “Cuando las células se colorean quiere decir que hubo cierta respuesta y el programa las detecta automáticamente”, dijo.

Junto con los institutos Nacional de Cancerología y de Física se intenta caracterizar el cáncer en mamografías digitales; con el Instituto de Investigaciones Biomédicas hay un proyecto para estudiar el daño que sufre el núcleo celular ante radiaciones o tóxicos, al tiempo de detectar la enfermedad a través de esas modificaciones, refirió.

Recordó que el Laboratorio de Imágenes surgió en 1983. En ese entonces Gabriel Corkidi estableció una colaboración académica con el Instituto Nacional de Cardiología Ignacio Chávez, para crear un analizador de radiografías por procesamiento digital de imágenes, sistema que ganó el Premio de Ingeniería Biomédica en 1984.

Luego inició el análisis de reproducciones, graficación y reconstrucción tridimensional en la entonces Unidad de Digitalización y Procesamiento de Imágenes, lo mismo que otras colaboraciones con el Instituto de Oftalmología, la Facultad de Ciencias o el Instituto de Investigaciones Biomédicas, entre otras.

Además, continuó, en 1996, en el Instituto de Biotecnología, con sede en Cuernavaca, se fundó una nueva sede del laboratorio dedicada a las reproducciones para procesos industriales.

Al mencionar algunos de los proyectos del laboratorio, dijo que cuentan con una base de más de dos mil imágenes de dominio público, Visible Human Project o Proyecto del Humano Visible y desde 1996, mediante convenios, se permite a científicos de todo el mundo acceder a ese acervo de origen estadunidense.

Ese cuerpo virtual es utilizado por los universitarios que, en colaboración con el ISSSTE, desarrollan un proyecto de endoscopía. De ese modo se ha reconstruido este sistema para simular cómo se introduce el endoscopio, para “ayudar al entrenamiento de los médicos en este procedimiento y a bajo costo”. A manera de ejemplo, se refirió al esófago. Por lo general, está colapsado y cuando entra el instrumento se abre paso y ensancha las paredes. La práctica debe incluir esta problemática. Así vemos cómo se da el proceso de tragar o el latido del corazón que se percibe, entre otros fenómenos, abundó.

Informó que se han hecho modelos de otros órganos. Por ejemplo, con base en la técnica de ultrasonido se hizo el de la próstata, que en ocasiones requiere de una cirugía sencilla que podría automatizarse. En Inglaterra ya existen robots para este tipo de intervención. En el Centro de Ciencias Aplicadas y Desarrollo Tecnológico ya se desarrolla un mecanismo con fines de entrenamiento en una primera etapa.

Por último, mencionó que está por iniciarse una colaboración con la Facultad de Medicina para desarrollar técnicas de combinación de imágenes provenientes de tomografía por emisión de positrones (PET, por sus siglas en inglés) y resonancia magnética. Los trabajos comenzarán con el cerebro y permitirán hacer diagnósticos más acertados, concluyó.

Artículo publicado en Gaceta UNAM, Número 3824, 1 de agosto de 2005.Visita la Gaceta UNAMPara reproducción parcial o total favor de dirigirse a la Gaceta.