Diseño y desarrollo de biomarcadores de imagen en vías aéreas

MÁSTER OFICIAL INTERUNIVERSITARIO EN INGENIERÍA BIOMÉDICA UNIVERSIDAD POLITÉCNICA DE VALENCIA UNIVERSIDAD DE VALENCIA Diseño y desarrollo de biomarcadores de imagen en vías aéreas Trabajo final de máster Julio 2016 Autora Lucía Aparici Tortajada Directores Gustavo Juan Samper Departamento de Medicina Universidad de Valencia Roberto Sanz Requena Cuantificación Quirón Grupo Hospitalario Quirón Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 2 1. Agradecimientos Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 3 2. Resumen En el presente proyecto se presenta un método de análisis de imágenes de Tomografía Computarizada (TC) que permite la evaluación del espesor de la pared así como del área de la luz de la vía aérea mediante 3 pasos. En primer lugar, se segmenta el árbol traqueo-bronquial y a partir del mismo se traza la línea central de las vías respiratorias así como los puntos de bifurcación en cada generación. A continuación, gracias al trazado que describe la línea central, se realiza una extracción del plano perpendicular a la dirección de la trayectoria de la vía, de manera que la misma queda cortada de forma transversal. Sobre este plano perpendicular a la vía, se realiza el cálculo del área de la vía así como del espesor de la pared. Este proceso se repite en cada en cada generación del árbol de la vía aérea. Por último, se generan y presentan 2 esquemas de la vía reconstruida. Sobre ellos se representan sendos mapas paramétricos, asignando distintos colores que reflejan, en el primero de los mapas, el área contenida en la vía, y en el segundo, el espesor de la pared de la vía aérea. Para el estudio preliminar, el método propuesto ha sido aplicado sobre distintos sujetos, tanto sanos como patológicos. Para los sujetos enfermos se han elegido pacientes diagnosticados de una patología concreta, asma grave, ya que se considera que la valoración del estado de estas variables en las vías aéreas de esta patología es de interés clínico. En los casos presentados puede apreciarse que este nuevo enfoque es práctico, bastante preciso, automático y muy visual para la estimación del grosor de la pared y del tamaño del lumen de la vía aérea. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 4 Índice 1. Introducción .......................................................................................................... 6 1.1. Motivación .......................................................................................................... 7 1.2. Objetivos .............................................................................................................. 8 1.3. Escenario clínico: Las vías aéreas y el asma ................................................... 9 1.3.1. Características de las vías aéreas ............................................................... 9 1.3.2. Patología de las vías aéreas observable mediante imagen ........................ 9 1.3.3. Características del asma y su relación con la vía aérea ............................ 10 1.3.4. Asma de difícil tratamiento ...................................................................... 12 1.3.5. Interés clínico en extracción automática de características de la vía aérea13 1.4. La Tomografía Computarizada ..................................................................... 15 1.4.1. Principios físicos ....................................................................................... 15 1.4.2. Arquitectura del sistema .......................................................................... 16 1.4.3. Medida de la densidad de los tejidos ....................................................... 20 1.4.4. TC, TCMC y la TCAR ................................................................................... 22 1.4.5. TC en el estudio de la vía aérea. ............................................................... 24 1.4.6. TCAR en el estudio de la vía aérea ........................................................... 24 1.4.7. Requerimientos de adquisición para la caracterización de la vía aérea .. 25 1.5. Estado del arte técnico..................................................................................... 26 1.5.1. Boncoscopia .............................................................................................. 26 1.5.2. Evaluación de imágenes de TC de vías aéreas ......................................... 28 1.5.3. Segmentación de la vía aérea ................................................................... 29 1.5.4. Cuantificación de la vía aérea ................................................................... 30 2. Metodología ........................................................................................................ 32 2.1. Adquisición de las imágenes .......................................................................... 32 2.2. Esquema general de la metodología propuesta para la parametrización de la vía aérea ................................................................................................................ 32 2.3. Preprocesado de las imágenes ....................................................................... 34 2.3.1. Segmentación inicial ................................................................................. 34 2.3.2. Análisis de componentes conectadas ...................................................... 34 2.3.3. Extracción de la vía ................................................................................... 35 Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 5 2.4. Extracción línea central ................................................................................... 36 2.5. Cálculo del plano perpendicular a la vía ...................................................... 39 2.5.1. Adaptación del vector perpendicular a la vía al volumen de imágenes original 43 2.6. Cálculo de los parámetros de interés ............................................................ 45 2.6.1. Cálculo del área ........................................................................................ 45 2.6.2. Búsqueda del área más adecuada ............................................................ 46 2.6.3. Calculo del espesor ................................................................................... 48 2.7. Representación de las medidas ...................................................................... 53 3. Resultados ........................................................................................................... 55 4. Conclusiones ....................................................................................................... 60 5. Líneas futuras ..................................................................................................... 61 6. Bibliografía .......................................................................................................... 63 Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 6 1. Introducción La presente tesina final de máster se ha desarrollado gracias a la colaboración entre la unidad de I+D+i del Hospital Quirón de Valencia y el Departamento de Medicina de la Universidad de Valencia. El objetivo común del proyecto es la implementación de un método basado en el análisis de imagen médica para la obtención de un biomarcador de variaciones morfológicas de las vías aéreas. El método se basa en el análisis de una secuencia de imágenes adquiridas en equipos de Tomografía Computarizada (TC), que añada información al informe radiológico habitual en pacientes para los que se ha solicitado ya una prueba en estos equipos. Roberto Sanz es ingeniero doctor en la Unidad de I+D+i específica de Valencia dentro del Grupo Hospitalario Quirónsalud (GHQ). La unidad de Ingeniería Biomédica está centralizada en Valencia y está formada por ingenieros. Desde su creación, la unidad ha centrado gran parte de sus esfuerzos en el diseño de métodos para la obtención de biomarcadores que sirvan como apoyo al diagnóstico en diversos ámbitos médicos, como son el cartílago, el cerebro, el hueso trabecular o el hígado (ver [1]-[5]). En el ámbito de las enfermedades pulmonares, tiene amplia experiencia en la cuantificación de imágenes de TC de tórax para evaluar enfermedades respiratorias y cardiovasculares. Por su parte, el Dr. Gustavo Juan es Jefe de sección e investigador del Servicio de Neumología del Hospital General Universitario de Valencia, además de profesor titular e investigador en la Unidad Docente de Medicina de la Universidad de Valencia. En los últimos años su trabajo e investigación se centran en el tratamiento de distintas causas que tienen como consecuencia la insuficiencia respiratoria, como son la fibrosis pulmonar, la Enfermedad Pulmonar Obstructiva Crónica (EPOC), asma e hipertensión arterial pulmonar, entre otras (Ver [6]-[8]). Además, es miembro de la Sociedad Española de Patología Respiratoria, de la European Respiratory Society así como de la American Thoracic Society entre otras. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 7 1.1. Motivación La TC es una técnica de adquisición de imagen que actualmente permite obtener una gran cantidad de información de todo el aparato respiratorio, dados los grandes avances experimentados en cuanto a resolución espacial (imágenes torácicas por debajo de 1mm), y su excelente contraste entre el parénquima pulmonar, el tejido de la vía aérea y el aire contenido en la misma [9]. En la actualidad, el estudio de las enfermedades de las vías aéreas se apoya habitualmente en pruebas funcionales, las cuales no son capaces de determinar el nivel de lesión del tejido afectado. Así, se requiere de otras pruebas para la caracterización de las lesiones, algunas de las cuales, como la broncoscopia son invasivas y resultan muy incómodas para el paciente. Para esta caracterización de la patología es habitual realizar pruebas de imagen, en las que tanto radiólogos como neumólogos establecen, de forma bastante subjetiva y, en ocasiones, poco repetible, las características de las distintas lesiones como son, en el caso de las vías aéreas, el engrosamiento de la pared de la vía así como el estrechamiento de la luz. Además, por el hecho de ser una valoración subjetiva en muchas ocasiones no es fácil diagnosticar estas alteraciones en ciertas vías, por ejemplo las más distales, por lo que dependiendo del grado de la alteración puede no ser fácil su apreciación. Esta valoración es limitante si se pretende proporcionar medidas cuantitativas de estas alteraciones así como su ubicación, las cuales son muy relevantes para determinar de forma más precisa la evolución de los pacientes así como el tipo de tratamiento más adecuado. Desde el punto de vista de las Tecnologías de la Información, este problema es un reto importante que proporcionaría objetividad y rapidez en la obtención de medidas, que servirían de apoyo al diagnóstico por la imagen, así como al diagnóstico general de la enfermedad de cada paciente concreto. No obstante, es necesaria la segmentación previa de la estructura anatómica a evaluar, así como la obtención de planos perpendiculares a la misma en cada punto de su recorrido, lo que plantea un importante reto para el desarrollo de este proyecto, convirtiéndolo en uno de los puntos principales de investigación y desarrollo. Así, en este proyecto se pretende realizar una cuantificación objetiva de las medidas en cada punto del recorrido de las vías aéreas, tanto del espesor de la pared como de la luz de la vía. Para ello, se plantea realizar una segmentación adecuada de las vías y sus ramificaciones, desarrollar un algoritmo de obtención de cada plano y cuantificación de la vía en el mismo y presentar las variables obtenidas de la forma más intuitiva posible proporcionando la información de forma útil para el clínico. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 8 1.2. Objetivos El objetivo general del presente proyecto es el diseño y evaluación preliminar de un biomarcador que proporcione una segmentación automática de la vía aérea a partir de imágenes de TC, así como una representación gráfica sobre el mismo de la información del espesor de la pared de la vía y del tamaño de la luz en cada punto de su trayecto. Sin perder la perspectiva de este objetivo principal, se plantean una serie de objetivos parciales, cuya consecución de manera progresiva permitirá avanzar en el logro del objetivo anterior. Estos objetivos específicos son: 1. Implementar un algoritmo capaz de generar una línea que determine cada punto central de las vías a lo largo de su recorrido. 2. Extraer todos los planos perpendiculares a la vía a lo largo de la línea central determinada. 3. Calcular tanto el tamaño de la luz de la vía como del espesor de la pared de la misma en cada plano extraído. 4. Generar mapas paramétricos que permitan una fácil interpretación de los resultados del procesado de la imagen. 5. Testeo del algoritmo en distintos casos. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 9 1.3. Escenario clínico: Las vías aéreas y el asma 1.3.1. Características de las vías aéreas Vías Aéreas es el nombre más común con el que se conoce a los conductos que conforman el árbol traqueo-bronquial, una de las partes más importantes del cuerpo humano, pues nutre de aire a los pulmones para que estos puedan realizar el intercambio de gases que provee de oxígeno al resto de órganos. En ellas, el aire entra a través de la nariz o la boca a la faringe y es conducido hasta los pulmones a través de la tráquea y sus bifurcaciones. Las vías aéreas se organizan como una ramificación de tubos que parten de la tráquea y se van haciendo más estrechos, cortos y numerosos a medida que penetran en los pulmones. La geometría de estas divisiones es aproximadamente bipodal, es decir, cada rama se divide en 2 nuevas ramas en cada división. En primer lugar la tráquea, de un diámetro aproximado de 1-2 cm en adultos normales, se divide en 2 ramas principales, los bronquios derecho e izquierdo, que entran en los respectivos pulmones. Dos divisiones después de estos, los conductos pasan a llamarse bronquiolos y su diámetro es de entre 1 y 5 mm. Continuarán denominándose broquiolos hasta la generación número 17 contando desde la tráquea. A partir de esta generación pasan a denominarse conductos alveolares y finalizan en los sacos alveolares o alveolos [10]. La sangre que circula constantemente por los capilares alveolares capta el oxígeno del aire alveolar y le entrega CO2, liberándose así de este gas que se produce como desecho de la respiración celular y cargándose de nuevo de O2, necesario para llevar a cabo la misma. Vía aérea pequeña El término “vía aérea pequeña” se refiere a las vías aéreas que tienen un diámetro inferior a 2 mm e incluyen a los bronquiolos terminales, bronquiolos respiratorios y ductos alveolares. Existen diferentes clasificaciones de las enfermedades de las vías aéreas pequeñas basadas en criterios histológicos, clínicos e incluso radiológicos. El término “enfermedad de la vía aérea pequeña” puede utilizarse para describir los diferentes procesos inflamatorios que afectan principalmente a los bronquiolos y que, a pesar de ser diferentes, desde un punto de vista clínico-patológico presentan manifestaciones radiológicas similares. En algunas enfermedades, como el asma y la bronquitis crónica, también se afectan los bronquios de mayor tamaño. 1.3.2. Patología de las vías aéreas observable mediante imagen Tanto la tráquea como las vías aéreas más pequeñas pueden estar afectadas de forma focal o difusa por un amplio espectro de patologías [11]. La sintomatología de la afectación de la vía es genérica e inespecífica y se deriva de la obstrucción de la misma: disnea, insuficiencia respiratoria aguda, sibilancias, estridor, neumonías recurrentes, bronquiectasias, atelectasias… Dentro de las Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 16 Los valores de atenuación de los rayos X para las diferentes proyecciones (cortes o slices) son almacenados en forma matricial. Estos valores se determinan en unidades Hounsfield (UH), nombre utilizado en honor al inventor de la TC. Dichas unidades oscilan entre los valores negativos representados por el aire (–1.000 UH) y los valores positivos representados por el hueso (+1.000 UH). Entre estos dos extremos se sitúan los valores densitométricos correspondientes a las diferentes estructuras del organismo. Por ejemplo, la grasa tiene un valor de atenuación negativo situado entre –10 y –40 UH. Una de las mejores cualidades de esta técnica es que es capaz de proporcionar con una sola inspiración un volumen de planos axiales en 3D completo del tórax. Esto ha incentivado el desarrollo de técnicas automáticas y semiautomáticas para el postprocesado de las imágenes de TC de tórax que proporcionen herramientas que permitan la valoración y cuantificación de las distintas patologías pulmonares durante su seguimiento evolutivo para ayudar a su diagnóstico y tratamiento clínico. 1.4.2. Arquitectura del sistema Equipamiento Los equipos de TC disponen de un cuerpo vertical redondeado con una abertura central denominada gantry en el centro de la cual se situará el elemento o parte del cuerpo que se desea estudiar. En el interior del gantry se encuentran todos los elementos necesarios para la adquisición de las imágenes[25]. Todos estos elementos son controlados desde la consola del operador y durante el transcurso de la prueba transmiten datos para el análisis y producción de la imagen de TC. Puesto que los registros van a realizarse en diferentes direcciones angulares, el conjunto de estos elementos está montado en un soporte giratorio de manera que todos estos elementos giran solidariamente con el soporte [26]. El suministro eléctrico al conjunto rotatorio se lleva a cabo típicamente mediante contacto por aros deslizantes (slip ring technology). Los perfiles de proyección registrados se transmiten generalmente a un ordenador por medio de tecnologías de comunicación inalámbrica. El Gantry Como hemos comentado, se llama gantry al cuerpo vertical de la unidad que presenta un orificio central. Posee una serie de controles con los que se realiza el centraje y posicionamiento del paciente y otros para angular el conjunto tubodetectores, de tal forma que se puede inclinar para adaptarse a la angulación de la parte corporal bajo estudio. El eje vertical del gantry puede inclinarse ±30º, para adoptar diversas incidencias sobre el enfermo, según la exploración que ha de realizarse [27]. Con el fin de colocar al paciente se conecta una luz en el gantry para indicar la zona del cuerpo barrida; esa luz se utiliza no sólo para la localización de los cortes individuales, sino también con el fin de colocar al paciente para realizar el Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 17 estudio de una región corporal completa, por ejemplo, el tórax o el abdomen. Para ello, el técnico emplea puntos de referencia externos, como la escotadura yugular, la apófisis xifoides o la sínfisis púbica. El gantry contiene todos los elementos necesarios para la adquisición de las imágenes:  El tubo de rayos X  El generador de alta tensión  El sistema de colimación  La matriz de detectores  Los dispositivos electrónicos asociados (sistema de refrigeración…)  Sistema de adquisición de datos (DAS, por sus siglas en inglés) El tubo de rayos X y el generador El tubo de rayos X (con ánodo de wolframio) y el generador de alta tensión se utilizan para producir el haz de rayos X (radiación ionizante) a partir de alimentación eléctrica. Los tubos utilizados tienen tamaños de foco variable según las necesidades de calidad de imagen. Los rayos X se originan al colisionar electrones acelerados (con mucha energía cinética) con la materia. Para ello, el tubo de rayos X está formado por los siguientes elementos básicos: - Una fuente de electrones: filamento, que se encuentra en el cátodo. - Un lugar de choque: blanco o zona metálica donde se produce la interacción de los electrones, que se localiza en el ánodo. El ánodo es de tipo giratorio, con un punto focal pequeño y un sistema potente de disipación del calor (refrigeración). Estos componentes del tubo se encuentran dentro de una envoltura de cristal, que es una especie de ampolla de vidrio. Es relativamente grande, de 30 a 50 cm de longitud y 20 cm diámetro. En la ampolla de vidrio está el vacío para evitar obstáculos que frenen los electrones. La aparición de los equipos multidetector ha permitido un uso más eficiente de la potencia del conjunto generador-tubo. Se han producido innovaciones en la tecnología de los tubos de rayos X, tales como la introducción de la cámara giratoria de vacío (rotating vacuum vessel) o el desplazamiento del punto focal (flying focal spot), que han permitido aumentar la potencia máxima y mejorar la resolución espacial. La ingeniería de estos componentes del escáner es complicada, ya que se montan en la parte giratoria del gantry y tienen que ser diseñados para soportar las fuertes fuerzas G (fuerza centrífuga) que se producen durante la rotación rápida del conjunto. El tiempo de rotación, y la correspondiente resolución temporal de TC, están limitados debido al fuerte incremento de las fuerzas G en tiempos de rotación más cortos. En equipos de TC rápidos, con tiempos de rotación del orden de 0.35 s, las piezas giratorias están expuestas a varias decenas de fuerzas G [26]. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 18 Filtración y colimación Los colimadores son aquellos medios técnicos que se emplean para diafragmar el haz de radiación X. El haz generado en el tubo debe ser diafragmado o colimado para adaptarlo a las dimensiones deseadas. En general, en la TC es necesario utilizar la colimación por las mismas razones por las que se usa en radiología convencional, que son dos:  Para disminuir la dosis que recibe el paciente al disminuir el área de tejido irradiado. Con esto controlamos el grosor del corte-  Para mejorar el contraste de la imagen al disminuir la radiación dispersa. En radiología convencional existe un único colimador montado en la carcasa del tubo de RX, en el equipo de TAC suele haber 2 colimadores. Colimador prepaciente Suele estar colocado en la carcasa del tubo o cerca de ella y sirve para limitar la zona del paciente a la que llega el haz útil. Por lo tanto, determina: - El grosor del corte, que puede ir desde secciones de 1mm hasta de 10mm - La dosis que recibe el paciente Este colimador está formado por varias láminas, para conseguir un haz de RX casi paralelo. Dando a un haz muy fino de grosor y en forma de abanico. Si este colimador está mal ajustado será responsable de la mayor parte de la dosis innecesaria que recibe un paciente durante la exploración de TC. Colimador predetector o postpaciente Se coloca en la matriz de detectores, de tal forma que siempre habrá el mismo número de colimadores que de detectores, ya que cada detector tiene asignado su colimador y su alineamiento debe ser muy preciso para poder obtener una imagen de calidad. Este colimador restringe el haz de rayos que alcanza al detector, aumentando la nitidez de la imagen. Este colimador reduce la radiación dispersa que incide en el detector y si está correctamente ajustado con el colimador prepaciente ayuda a definir el grosor de la sección examinada. Por otra parte, además de la filtración característica de todos los equipos de rayos X, los escáneres de TC incorporan “filtros de forma” (bow tie filters) para crear un gradiente de intensidad del haz de rayos X en el plano axial en la dirección perpendicular al rayo central. Para lograr mejor el gradiente deseado los filtros se montan cerca del tubo de rayos X. El objetivo del gradiente y de los filtros de forma que lo producen es la reducción del rango dinámico de la señal que tiene que ser registrada en el sistema detector[26]. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 19 Figura 3 Imagen representativa de un sistema de adquisición de TC Detectores Los detectores son los elementos que recogen los fotones de rayos X emitidos por el generador. Miden la energía depositada en ellos después de ser impactados por los fotones que han atravesado el cuerpo del paciente. Esta energía la transforman en corriente eléctrica que llegará al ordenador y será cuantificada por un sistema electrónico. Los equipos actuales de TC incorporan detectores de estado sólido que ofrecen una mejor eficiencia de detección en comparación con los de gas a presión utilizados anteriormente. En estos detectores casi todos los fotones que llegan son absorbidos. Generalmente se utilizan detectores de centelleo con fotodiodos adosados en la parte posterior del mismo para convertir la luz en una señal eléctrica. Delante del detector hay una rejilla antidifusora que consta de pequeñas láminas de material muy absorbente (wolframio, por ejemplo) alineadas con el eje longitudinal (eje z) del escáner (1D), aunque la combinación de esa rejilla con otra alineada perpendicularmente (2D) ofrece una reducción mayor de la radiación dispersa. Las características físicas esenciales de los detectores son, además de una buena eficiencia de detección, una respuesta rápida (con poca luminiscencia residual, after-glow) y buena transparencia para la luz generada para garantizar su detección óptima por los fotodiodos. Los sistemas detectores actuales de TC constan de miles de elementos detectores de estado sólido, separados por un septo para impedir que la luz generada en cada elemento detector, sea detectada por el fotodiodo de un elemento vecino. Tanto las láminas que forman el septo como los elementos que forman la rejilla antidispersión deben tener el menor tamaño posible, ya que Generador de rX Tubo de rX Colimador Detectores DAS Colimador Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 20 reducen el área efectiva de detección y por tanto, la eficiencia absoluta de detección de rayos X. El tamaño de los detalles que se pueden resolver en las imágenes reconstruidas varía en función del número y el tamaño de los elementos detectores presentes a lo largo del arco detector, del tamaño de los elementos a lo largo del eje z y del número de ángulos en los que se han registrado las proyecciones en la adquisición. La introducción de filas múltiples de detectores en los equipos ha sido decisiva para mejorar la cobertura longitudinal. El número de filas ha ido aumentando a lo largo del tiempo pasando de escáneres con 4 filas de detectores activos, 16,64 y llegando hasta 320 filas. Como es lógico, con la mejora de la cobertura longitudinal del sistema detector las exploraciones se efectúan en menos tiempo y se puede reconstruir en secciones más delgadas (ver Figura 4). Figura 4 Evolución de la cobertura de los equipos multidetector con el aumento de las filas activas disponibles. Sistema de adquisición de datos Conforme se completa cada barrido de la anatomía del paciente a estudiar, el sistema de adquisición de datos (DAS) convierte las señales procedentes de los detectores en datos digitales y las transmite al ordenador. Para la reconstrucción de la imagen es necesario que el ordenador reciba múltiples señales después de explorar al paciente en diferentes ángulos. El ordenador es capaz de integrar la información enviada por el DAS y reconstruir las imágenes de forma casi instantánea. 1.4.3. Medida de la densidad de los tejidos Partiendo de los trabajos publicados en 1967 por Allan M. Cormack, descubridor de la TAC, Sir Godfrey Newbold Hounsfield dirigió el equipo que consiguió el primer prototipo aplicable de este aparato, siendo por tanto el inventor del escáner aplicado a la medicina. 1x5 4x1 16x0.5 64x0.5 320x0.5 <1998 1998 2001 2004 2007 Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 21 Gracias a ello, fue posible definir una escala cuantitativa para describir los diferentes niveles de radiodensidad de los tejidos humanos. A esta escala se la denominó “Escala Hounsfield” en honor al mencionado Premio Nobel. Esta escala se mide en Unidades Hounsfield (símbolo HU del inglés ‘Hounsfield Units’). Estas unidades son el resultado de la transformación de los coeficientes de atenuación lineal de los rayos X en una nueva escala en la cual el valor de atenuación del agua destilada en Condiciones Normales de Presión y Temperatura (CNPT) se define como 0 unidades de Hounsfield (HU), mientras que la radiodensidad del aire en CNPT se define como -1000 HU, extendiéndose más allá de las 1000 HU asignadas al nivel de absorción del hueso compacto [28]. Amplitud y nivel de ventana El término ventana hace referencia a la gama de densidades con la que se representa una imagen de TC. La amplitud de ventana hace referencia al grado de contraste o valor medio de atenuación de la imagen y el nivel de ventana responde al grado de luminosidad de la misma. Los valores de estos parámetros afectarán directamente a la apariencia y tamaño de las estructuras estudiadas [29]. Las variaciones de ventana deben reservarse para tareas individuales, por ejemplo, valores de amplitud de 2000 UH serán útiles para evaluar alteraciones pleuro-parenquimatosas. Variar estos valores de forma rutinaria y en cada paciente no mejora la precisión diagnóstica al compararlo con los valores fijos de referencia. Figura 5 Izqda: Ventana de mediastino. Amplitud 400HU; Nivel 40HU. Dcha: Ventana de Parénquima Pulmonar. Amplitud 1600HU; Nivel -550HU. La denominada ventana de pulmón empleada para estudiar el parénquima maneja unos valores estándares entre los 1000 y 1600 UH de amplitud y entre los – 500 y –700 UH de centro o nivel. Es importante emplear valores fijos (amplitud y nivel de ventana) para homogeneizar los criterios diagnósticos y optimizar la imagen. Por su parte, la ventana de mediastino emplea unos valores de amplitud entre las 350-400 UH y un nivel de 0-50 UH (Figura 5). Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 22 1.4.4. TC, TCMC y la TCAR Tomografía Computarizada Como ya hemos visto, la Tomografía Computarizada (TC) es una técnica de diagnóstico por imagen que permite la visualización de cortes tomográficos de los planos anatómicos del organismo a partir de múltiples determinaciones de absorción de rayos X [25]. En esta técnica, la adquisición de la imagen se limita a cortes transversales o axiales perpendiculares al eje longitudinal del cuerpo aunque la reconstrucción final de la misma puede obtenerse en cualquier plano del espacio (coronal, sagital y oblicuo) mediante la reconstrucción de los mismos a partir de la información adquirida. Por ello, lo que su anterior denominación de TAC que hacía referencia únicamente al plano axial se ha sustituido por TC. La reconstrucción multiplanar (multiplanar reconstruction – MPR) permite la reconstrucción en los diferentes planos deseados según la sospecha clínica a partir de la información adquirida en el plano axial. Desde la introducción de los equipos multicorte esta reconstrucción se realiza de forma rutinaria para la interpretación de estudios. Esto es posible gracias a la elevada resolución espacial y a que la tecnología multicorte adquiere imágenes prácticamente isotrópicas, lo que permite obtener imágenes de gran calidad diagnóstica independientemente del plano de reconstrucción. TC Multicorte En la actualidad nos encontramos en la que se considera la séptima generación de equipos de TC. Tras la introducción del desplazamiento continuo de la camilla de los TC Helicoidales de la anterior generación, con el consiguiente aumento en la velocidad de adquisición, la novedad más importante introducida ha sido la posibilidad de realizar múltiples cortes de un solo disparo. Estos equipos se denominan TC multicorte (TCMC, Multisliced Computed Tomography - MSTC) y permiten obtener más de un corte (actualmente 16, 64 y hasta 128 cortes) en cada giro [25]. Su innovación fundamental reside en el diseño de las bandejas, capas o array de detectores múltiple, que consisten en una matriz formada por miles de elementos de anchura fija o variable (según el fabricante). Así, encontramos 2 grandes tipos de TC multicorte:  Matriciales: son aquellos que presentan detectores del mismo grosor en relación a una longitud determinada del eje z.  Adaptativos: son aquellos que presentan detectores con diferente anchura y grosor, típicamente más estrechos en la región central. Mientras que en el TC Helicoidal existe una sola fila de entre 500 y 900 detectores, en el TCMC existen múltiples filas cuyo número no tiene por qué coincidir con el número de cortes posibles en ese equipo. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 23 Tres han sido las mejoras técnicas que han permitido el desarrollo del TC multicorte: el desarrollo de una tecnología que permita el movimiento continuo del tubo sin alteraciones en la recogida de datos en el detector a través del anillo deslizante o slip ring, el desarrollo de tubos de alta energía con gran capacidad de disipación del calor y el desarrollo de la interpolación (proceso matemático que permite obtener una imagen de una sección corporal a partir de un conjunto de datos que no se adquirieron en el plano en el que se muestran). Además el haz de rayos tiene forma cónica (cone beam) permitiendo recoger datos de varios cortes simultáneamente reduciendo el número de rotaciones necesarias para cubrir una región anatómica específica. TC de Alta Resolución A partir de los puntos anteriores se puede afirmar que el avance técnico más importante en la actualidad es la TC helicoidal dotada con múltiples coronas de detectores (TCMD). Esta técnica facilita la adquisición de hasta 40 imágenes por segundo, lo que mejora de un modo muy significativo la calidad de la reconstrucción espacial de éstas [24]. Una vez obtenidos los datos y mediante la aplicación de programas de posproceso, podemos realizar reconstrucciones coronales y sagitales del tórax, reconstrucciones tridimensionales (3D), volumétricas axiales y estudios de broncoscopia virtual. La TC de Alta Resolución (TCAR) se emplea principalmente en el estudio del tórax, e intenta optimizar la representación anatómica pulmonar. Esto se logra con unas características técnicas diferentes a las utilizadas en la TC torácica convencional: grosor de corte muy fino, algoritmo de reconstrucción de alta frecuencia espacial, tiempo de corte muy breve, elevado miliamperaje... Se realiza generalmente efectuando cortes únicos a intervalos espaciados y por tanto no se explora la totalidad del tórax. La TCAR de rutina se obtiene durante la plena inspiración suspendida, aunque también puede efectuarse como complemento en espiración forzada para identificar zonas pulmonares con atrapamiento aéreo. Por lo general en la TCAR no se utiliza contraste. La diferencia entre un estudio TC convencional y una tomografía computarizada de alta resolución (TCAR) radica en el grosor de corte y el algoritmo de reconstrucción de las imágenes. En la TC convencional se utiliza un grosor de corte de 8-10 mm, mientras que en la TCAR el grosor de corte puede alcanzar valores hasta de 1-2 mm [31]. Gracias a su gran resolución se consiguen visualizar bronquios y bronquiolos cuyo diámetro es al menos 2 o 3 mm, así como sus arteriolas acompañantes. La TCAR se utiliza fundamentalmente para estudio de enfermedades difusas pulmonares intersticiales, valoración de bronquiectasias de pequeño calibre y para el diagnóstico de pacientes con una enfermedad obstructiva. Es por ello que la TCAR, que posee una sensibilidad de 95% y una especificidad cercana al 100%, puede a menudo proveer más información que la Rx de tórax o que la TC convencional. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 24 1.4.5. TC en el estudio de la vía aérea. La remodelación de la vía aérea es extremadamente importante en la fisiopatología de algunas enfermedades, como la que compete a este trabajo. En los últimos tiempos numerosos investigadores han dedicado sus esfuerzos a la búsqueda de métodos para medir de forma no invasiva las dimensiones de la pared de las vías respiratorias. La aparición y proliferación de la TC ha permitido a los investigadores avanzar en el campo de la cuantificación de los cambios en la estructura del parénquima pulmonar en pacientes con enfisema [32], ampliamente estudiado en la actualidad. Más recientemente la atención se ha centrado en la medida de las dimensiones de las vías respiratorias y todo lo relativo a las mismas. Sin embargo, mientras que la densidad pulmonar es relativamente fácil de cuantificar, se ha demostrado que la obtención de medidas fiables de las vías respiratorias es mucho más compleja. No obstante, los recientes avances en la tecnología del TC y los nuevos algoritmos de cuantificación de imagen proporcionan una nueva visión a los investigadores para la obtención de la medida de las vías aéreas a partir de imágenes de TC, y se espera que se puedan resolver muchos de los actuales problemas para la obtención de estas medidas de las vías. La medida de las dimensiones de la pared de las vías respiratorias es importante porque se sabe que la limitación crónica del flujo aéreo puede ser causada por una combinación de las vías respiratorias y de cambios en el parénquima, por lo que conocer el estado de las vías puede ayudar en la orientación tanto del diagnóstico como del tratamiento de los pacientes. Los primeros trabajos en el estudio de las dimensiones de las vías aéreas implicaban el trazado manual de la vía. Como se puede intuir, este proceso no sólo resultaba muy laborioso y estaba sujeto a grandes errores inter e intraobservador, sino que además dependía en gran medida de los parámetros de visualización de la imagen de TC [33]. 1.4.6. TCAR en el estudio de la vía aérea Las técnicas de imagen son herramientas diagnósticas muy útiles en el estudio de las enfermedades de la vía aérea. Sin embargo, a pesar de ser diferentes, desde un punto de vista clínico-patológico, las enfermedades de la vía aérea pequeña presentan manifestaciones radiológicas similares. La TCAR es muy útil para estudiar las complicaciones asociadas al asma (aspergilosis broncopulmonar alérgica) o para valorar los procesos que clínicamente son muy similares, como la neumonitis por hipersensibilidad. En los pacientes asmáticos, la TC con multidetectores (TCMD) permite establecer una correlación directa entre los síntomas clínicos, el engrosamiento de la pared de la vía aérea y el grado de obstrucción al flujo aéreo. La TCMD es también útil para valorar cuantitativamente el grado de atrapamiento aéreo en los pacientes con enfisema. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 25 La TCAR es la técnica de elección para estudiar las enfermedades difusas y las de la vía aérea pequeña. Un complemento del estudio de alta resolución son los cortes obtenidos en espiración (dinámicos) y utilizados para demostrar posibles cambios en la atenuación pulmonar que sugieran la existencia de atrapamiento aéreo. Las enfermedades de la vía aérea pequeña deberán estudiarse con TCAR y cortes complementarios espiratorios [24]. Sobre la base de los hallazgos de la TCAR, las enfermedades de la vía aérea pequeña se dividen en dos grandes grupos: 1. Las que presentan signos morfológicos directos de afectación bronquiolar. 2. Las que presentan signos indirectos de afectación bronquiolar (atrapamiento aéreo/patrón “en mosaico”). En el parénquima pulmonar, la alternancia de áreas con diferentes valores de atenuación (áreas negras y blancas) produce visualmente un patrón radiológico descrito como “patrón en mosaico”. Este patrón es inespecífico y puede verse tanto en las enfermedades infiltrativas difusas como en las enfermedades de la vía aérea pequeña o en enfermedades pulmonares de causa vascular. En los individuos normales, cuando se realizan cortes espiratorios, la densidad del parénquima pulmonar aumenta de modo uniforme debido a la disminución fisiológica del aire intrapulmonar. El aumento uniforme de la densidad pulmonar no existe en las enfermedades pulmonares en las que hay atrapamiento aéreo. En la TCAR dinámica, los cambios tanto de la densidad pulmonar, como del área seccional durante las fases inspiratoria y espiratoria, se utilizan como índices de la ventilación pulmonar. La presencia de atrapamiento aéreo es un hallazgo radiológico indirecto de enfermedad pulmonar obstructiva y se asocia frecuentemente a las enfermedades con afectación de la vía aérea pequeña (bronquiolitis/asma). Los pacientes con sospecha clínica de enfermedad de la vía aérea pequeña en los que el estudio tomográfico inspiratorio sea normal deben estudiarse siempre con cortes de TC complementarios en espiración para descartar definitivamente la existencia de atrapamiento aéreo. 1.4.7. Requerimientos de adquisición para la caracterización de la vía aérea Para una correcta caracterización de la vía es necesaria una alta resolución de las imágenes que se desean procesar, puesto que cuanto mayor es la resolución, mayor es la cantidad de información que contienen y podremos diferenciar mejor los distintos niveles de intensidad de los tejidos. Asimismo, es imprescindible que el ancho de los cortes sea lo mínimo posible. Un ancho de corte demasiado elevado tendría como consecuencia que lesiones con área pequeña pudieran no ser detectadas. Por todos estos motivos, para el estudio realizado en este trabajo se considera que las imágenes deben ser adquiridas mediante un TCAR y es necesario que el algoritmo de reconstrucción sea de alta frecuencia. En cuanto a las especificaciones Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 32 2. Metodología 2.1. Adquisición de las imágenes Las imágenes utilizadas para el desarrollo de este trabajo han sido adquiridas con un escáner TC de 64 canales (Philips Brilliance 64, Phillips Healthcare, The Netherlands) en la sala de radiodiagnóstico del Hospital Quirónsalud de Valencia. El protocolo de estudio de estas imágenes de TC consistió en adquirir todo el tórax, situando al paciente escaneado en posición decúbito supino y sometiéndolo a una inspiración máxima, para evitar artefactos de ruido por movimiento en las imágenes adquiridas. Las imágenes fueron reconstruidas mediante algoritmo de alta resolución proporcionando un ancho de píxel de 0.66mm, un tamaño de corte de 3mm y un espaciado entre cortes de 1.5mm. Todos los estudios se almacenaron en formato DICOM, de manera que la información de la adquisición contenida en las cabeceras de este formato pudiese ser utilizada posteriormente en el algoritmo de procesado. El filtro de reconstrucción empleado fue estándar, con una ventana de reconstrucción de mediastino, con una amplitud de ventana de 360HU y un nivel de ventana de 60HU. Han sido utilizados un total de 12 sujetos para la implementación y testeo de todo el biomarcador, 10 de ellos sujetos sanos y 2 patológicos diagnosticados de asma grave. De todos ellos, 3 casos fueron utilizados para el desarrollo de la metodología mientras que los demás se utilizaron en la fase de testeo. 2.2. Esquema general de la metodología propuesta para la parametrización de la vía aérea En la Figura 8, se muestra el esquema seguido en el desarrollo de este trabajo. Aunque cada uno de los bloques que componen esta metodología será descrito con mayor nivel de detalle en los apartados siguientes, siguiendo la secuencia propuesta, realizaremos a continuación una breve descripción de los mismos para tener una primera idea de los bloques de que se compone el algoritmo. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 33 Figura 8 Estructura de la metodología propuesta. Para la obtención del biomarcador de las vías aéreas, y tras la adquisición de las imágenes con las características descritas en el apartado 2.1, se realizarán un preprocesado a las imágenes que constará de una segmentación inicial, un análisis de componentes conectadas y un último procesado para conseguir la segmentación de las vías aéreas, separando la información de las mismas de los tejidos adyacentes. A continuación, se obtendrán los puntos que describen la línea que pasa por el centro de la vía y a partir de estos puntos y los vectores descritos por los mismos, se obtendrá el plano que cruza transversalmente a la vía y que denominamos “plano perpendicular a la vía”. Dicho plano se genera inicialmente sobre una matriz de puntos equidistantes entre sí. Como hemos comentado en el apartado de adquisición (2.1) la separación entre vóxeles en el mismo plano sí es equidistante (0.66mm), pero la separación entre vóxeles de un corte al siguiente es distinta (3mm). Por tanto, será necesario realizar una adaptación de este plano generado a la matriz volumétrica original con puntos no equidistantes para poder extraer el plano de interés. Sobre este plano se realizará el cálculo de los parámetros deseados. Si el área dista demasiado del área del corte anterior, puede que exista un plano que sea más perpendicular a la trayectoria de la vía, por lo que si se da este caso se tratará de encontrar un plano más adecuado en el que calcular los parámetros. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 34 Una vez obtenidos se representarán sobre un mapa paramétrico de forma que sea más fácil la interpretación de los datos obtenidos. 2.3. Preprocesado de las imágenes La segmentación de la vía es un requisito básico para poder realizar análisis cuantitativos del área de tejido afectado. Esta segmentación ha sido desarrollada para estudios previos del grupo de cuantificación de Quirón para la cuantificación de otro tipo de enfermedades que afectan al parénquima pulmonar. A continuación se realizará una descripción de en qué consiste esta metodología de extracción para tener una visión general de la metodología que tiene como consecuencia los volúmenes de imágenes que serán utilizados en el actual desarrollo. En primer lugar se realiza una umbralización del volumen de imágenes TC, para aumentar el contraste de las imágenes y diferenciar mejor los pulmones y las vías aéreas del resto de tejidos y estructuras. A continuación, se realiza un análisis de componentes conectadas a nivel 3D [50], para segmentar la región pulmonar (pulmones y vías aéreas) del resto de estructuras que aparecen en el volumen de imágenes TC. Por último, se procede a la extracción de las vías aéreas. 2.3.1. Segmentación inicial En primer lugar, se emplea la técnica de umbralización para determinar inicialmente todos los píxeles del volumen de estudio que pertenecen al parénquima pulmonar y vías aéreas, discerniéndolos del resto de tejidos. Hay que tener en cuenta que en este paso de umbralización se obtendrán las máscaras binarias resultantes de la umbralización, las cuales incluirán a los tejidos deseados pero también los píxeles correspondientes al aire externo al paciente. Esta técnica emplea un valor umbral para obtener una nueva imagen, en donde los píxeles que cumplen la condición del umbral son etiquetados con un valor diferente a los píxeles que no cumplen tal condición. Así pues, se obtiene una imagen binaria B(x,y), calculada a partir de la imagen original I(x,y) según el valor umbral establecido, U para separar unos píxeles de otros: 𝐵(𝑥,𝑦)=0 𝑠𝑖 𝐼(𝑥,𝑦)>𝑈 1 𝑠𝑖 𝐼(𝑥,𝑦)≤𝑈 En este trabajo, se considera que con un umbral de -400 UH es suficiente para separar correctamente aire, vía aérea y parénquima pulmonar del resto de tejidos del volumen de estudio (hueso y resto de tejidos blandos). 2.3.2. Análisis de componentes conectadas Tras esta primera umbralización, se procede a realizar la segmentación de la región pulmonar, que contendrá los pulmones y las vías aéreas. Para ello, se realiza un análisis de componentes conectadas a todo el volumen de imágenes TC. Esta técnica consiste en asignar etiquetas a los vóxeles pertenecientes a regiones conectadas en el volumen binario de imágenes de TC. La conectividad entre dos vóxeles con la misma etiqueta se da cuando existe un camino de uno al otro a Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 35 través de vóxeles vecinos con la misma etiqueta. La vecindad, es decir, los vóxeles que van a ser considerados vecinos, es un parámetro que debe especificarse para el proceso de análisis de componentes conectadas. En este caso, se emplea la función “bwlabeln” de Matlab para conocer la conectividad entre vóxeles en el volumen de imágenes de TC a segmentar. Para ello, el usuario deberá indicar un punto sobre la tráquea, en un corte donde la tráquea se visualice de forma clara y los pulmones se aprecien separados (círculo rojo en Figura 9). Este punto servirá para identificar la etiqueta asociada a los vóxeles correspondientes a las estructuras de los pulmones y las vías aéreas. Como los pulmones están conectados con las vías aéreas, la función devolverá la misma etiqueta para ambas estructuras. Todo este proceso puede visualizarse de forma esquemática en la siguiente Figura 9. Figura 9 Procedimiento para la extracción de la región pulmonar y las vías aéreas. 2.3.3. Extracción de la vía Dado que nuestra estructura anatómica de interés son las vías aéreas, el siguiente paso de la metodología propuesta implicará la extracción de las mismas y el descarte de las regiones de tejido pulmonar, a partir del volumen de imágenes TC obtenido tras segmentar la región pulmonar (ver Figura 9). Aproximadamente, las vías aéreas presentan un total de 23 divisiones entre la tráquea y los sacos alveolares, y están compuestas por el lumen (aire), y la pared de las vías aéreas. En las imágenes de TC, esta estructura aparece como un tubo oscuro rodeado por una pared brillante. El enfoque más común para su Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 36 segmentación es el uso de la técnica de crecimiento de regiones [51]-[54], ya que su finalidad es resaltar regiones con características similares. Para que se produzca el crecimiento, se requiere un punto semilla inicial y una serie de criterios que determinen la unión entre regiones. En nuestro caso, se emplea la variación del nivel de gris ente regiones como criterio para el crecimiento de la región (vías aéreas), denominada tolerancia. Durante el desarrollo, se establece un valor experimental de 40 y como punto semilla se escoge el punto sobre la tráquea, indicado por el usuario en el proceso de segmentación de la región pulmonar (Figura 10, círculo rojo). La técnica se aplica en 3D a todo el volumen de imágenes TC obtenido tras la segmentación descrita en los apartados 2.3.1 y 2.3.2. Como resultado, se obtiene volumen de imágenes TC correspondiente a las vías aéreas como se describe en la Figura 10. Figura 10 Proceso de extracción de las vías aéreas 2.4. Extracción línea central Este apartado es el primero perteneciente a la metodología desarrollada para el proyecto actual. Partimos, por tanto, de 2 volúmenes de imágenes. El primero de ellos, el volumen de imágenes original, en el que se almacenan corte a corte las imágenes originales reconstruidas del paciente. El segundo, el volumen de imágenes binarias que representan la luz de las vías aéreas y que contienen una máscara de las mismas, es decir, una representación en el que los píxeles de valor 1 pertenecen a la zona de interés, en nuestro caso la vía aérea, y el resto de píxeles toman valor 0. Para la obtención de la línea central de la tráquea, fueron propuestos diversos métodos que se describen a continuación. Todos ellos parten del volumen de imágenes binarias de la máscara de la vía. El primero de ellos, consistió en realizar una erosión de estas imágenes mediante la función “imerode” de Matlab. El método de la erosión se fundamenta Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 37 en, a partir de una imagen binarizada, reducir los píxeles con valor 1 (blancos) que limitan con los de valor 0 (negros). Para ello, se utilizan unas imágenes predefinidas que nos proporcionan la forma de la erosión. En la imagen que se muestra a continuación (Figura 11), se ha utilizado como imagen predefinida el círculo para realizar el proceso de erosión. En primer lugar se ha erosionado con un tamaño de círculo grande para que la reducción fuese más rápida y después se ha utilizado un tamaño de círculo más pequeño hasta llegar a un solo píxel relevante, el cual consideraremos como el punto central de la vía. Figura 11 Izqda. Imagen original. Centro: Imagen erosionada con circulo de tamaño grande. Dcha: Imagen erosionada con circulo de tamaño pequeño. Este método fue descartado principalmente porque se observó que era fácil que se descartasen tramos de la vía debido a que no se consiguiese un solo punto o unos pocos que determinasen el centro, sino que se eliminase por completo los tramos de valor 1 al erosionar. En la Figura 12 se observa que el método determina los tramos de mayor sección pero no los de menor sección. Figura 12 Izqda: Imagen original. Centro: Sección bronquial derecha encontrada. Dcha: sección bronquial izquierda encontrada. Se realizó una variación del método, erosionando primero igual que en la versión anterior, mediante una forma circular grande y en segundo lugar mediante tramos de línea de reducido tamaño, pero de igual manera se producían pérdidas de algunas secciones. En la segunda aproximación propuesta, se realizó una búsqueda de los centroides en cada uno de los cortes axiales, de manera que fuese fácil detectar Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 38 más de una sección contenida en la misma imagen axial, permitiendo así de forma sencilla detectar bifurcaciones. La función de Matlab empleada para realizar esta determinación es “regionprops”, mediante la opción ‘centroids’. En la Figura 13 se aprecia la detección de estos centroides. Figura 13 Detección de centroides a distintos niveles del tórax. El último método propuesto fue el de esqueletonización de las imágenes. Para ello, se utilizó la función “bwmorph” de Matlab, utilizando la operación “thin” y el parámetro N con valor ”inf” de manera que se eliminen los píxeles interconectados entre sí hasta dejar el trazo mínimo posible. Sobre esta imagen reducida, se vuelve a aplicar la misma función, esta vez con la operación “spur” que elimina los puntos finales de cada línea sin eliminar la línea por completo (ver Figura 14. Figura 14 Izqda: Imagen original. Centro: Aproximación al punto central (opción ‘thin’ de ‘bwmorph’). Dcha: Determinación punto central (opción ‘spur’ de ‘bwmorph’) El criterio de parada utilizado para este método es que el número de unos de la imagen sea igual al inmediatamente anterior, ya que esto significará que la operación “spur” no ha provocado ningún cambio en la imagen, por lo que el número de píxeles, y por tanto de tramos de tráquea, es el mínimo posible. Se ha determinado que la mejor solución en tiempo de cómputo así como en aproximación a los valores más adecuados es la segunda, es decir, mediante la búsqueda de los centroides de la imagen de máscara. Al aplicar este método a todos los cortes, la línea central de la vía queda determinada por la sucesión de puntos a lo largo de todos los cortes axiales. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 39 2.5. Cálculo del plano perpendicular a la vía En este apartado se explicará el método para la obtención del plano que corta a la vía de manera transversal, plano a partir del cual se podrá calcular el área real de la misma así como el espesor. Un plano se puede describir de manera analítica, entre otras formas, mediante el vector perpendicular al mismo, al que llamaremos 𝑛 󰇍 = (𝐴,𝐵,𝐶), y un punto contenido en el plano 𝑃(𝑥0,𝑦0,𝑧0). Esta descripción se muestra en la Figura 15. Figura 15 Plano definido por un vector normal al mismo y un punto que pasa por él Atendiendo a esta descripción, se puede obtener el plano que corta a una vía a partir de los centroides calculados según el procedimiento del apartado anterior. Para ello, supondremos que el centroide de un determinado corte está contenido en el plano que deseamos calcular y, en consecuencia, corresponde con el punto P. El vector perpendicular al plano se puede obtener a partir de los centroides de una determinada vía en dos cortes consecutivos, tal y como se muestra en la Figura 16. Como se puede observar, el vector perpendicular al plano deseado es aquél que tiene como origen el centroide del corte que estamos analizando y como destino el centroide del corte anterior. Figura 16 En azul distintos puntos de cada corte axial. En rojo los que se han determinado como centroides. El inferior corresponde con el del plano actual y el superior con el del plano anterior. La flecha roja representa el vector perpendicular al plano deseado. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 40 Si definimos un punto genérico 𝑋(𝑥,𝑦,𝑧) contenido en el plano (que se denominará plano 𝜋), como se describe en la Figura 15, sabemos que el vector que forman ambos puntos del plano 𝑃𝑋 󰇍 󰇍 󰇍 󰇍 󰇍 (𝑥 −𝑥0,𝑦 −𝑦0,𝑧−𝑧0) está contenido en el mismo, por lo que será perpendicular al vector 𝑛 󰇍 y por tanto su producto escalar debe ser 0. Desarrollando esta ecuación obtenemos la ecuación del plano (1): 𝑃𝑋 󰇍 󰇍 󰇍 󰇍 󰇍 ·𝑛 󰇍 = 0 (1) 𝐴(𝑥 −𝑥0)+𝐵(𝑦−𝑦0)+𝐶(𝑧−𝑧0)= 0 𝐴𝑥 +𝐵𝑦+𝐶𝑧 = 𝐴𝑥0+𝐵𝑦0+𝐶𝑧0 La ecuación (1) suele expresarse en términos más genéricos como la ecuación (2): (2) 𝜋:𝐴𝑥 +𝐵𝑦+𝐶𝑧 = 𝐷 Así pues, se dispone de la información necesaria para la extracción del plano de interés 𝜋. Sin embargo, la solución presentada en este trabajo no se basa en el cálculo de la ecuación analítica de dicho plano y la extracción de los puntos. Puesto que se dispone de una matriz discreta en una herramienta como Matlab, se elige una alternativa optimizada para este tipo de estructuras basada en la solución propuesta en [55]. Este algoritmo obtiene, a partir de una matriz volumétrica, la información de los puntos pertenecientes a un determinado plano, tomando como entradas un punto y un vector director, lo que corresponde con la problemática a resolver en este punto del proceso. Para la extracción del plano, se realiza una correspondencia, punto a punto, entre el plano z=0 (que contiene el punto (0,0,0) y tiene como vector normal el (0,0,1)), y el plano con punto y vector normal hallados anteriormente a partir de los centroides. Estos planos se denominarán X y 𝜋 respectivamente. Una vez calculada la relación de transformación entre los planos X y 𝜋, se puede componer la imagen correspondiente al plano deseado recorriendo los puntos del plano X (z=0), y asignando para cada punto el valor almacenado en una determinada posición de la matriz volumétrica original. Esta posición concreta se obtiene a partir de la ecuación de transformación calculada. Así pues, en primer lugar, se genera una estructura donde se almacenará la relación entre los valores x,y,z de un determinado plano. La cantidad de puntos de x e y de la estructura corresponderán con el tamaño del plano axial de la matriz volumétrica de la imagen original, puesto que el plano de partida de la transformación X está descrito por la ecuación z=0 y está centrado en el punto (0,0,0). Para que exista una correspondencia entre el plano z=0 (X) y el deseado (𝜋), se debe rotar el plano X, de tal manera que su vector normal (0,0,1) coincida con el del plano final deseado tal y como se muestra en la Figura 17, en 2 dimensiones, y en la Figura 18, en el espacio volumétrico. Esta operación requiere tanto un ángulo de giro, como un eje de revolución tal y como se muestra en la Figura 19. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 41 Figura 17 Representación en 2 dimensiones del giro del plano z=0, un ángulo 𝛼 de tal manera que tenga la misma orientación que el deseado (𝜋). Figura 18 Representación de la problemática del giro de una matriz espacial centrada en el punto (0,0,0) y con vector normal (0,0,1). Tal y como se muestra en la 0, el eje de revolución es perpendicular tanto al vector normal del plano X, como al vector normal del plano 𝜋. Puesto que ambos vectores son conocidos, la operación vectorial que permite calcular un vector normal a otros dos dados corresponde con el producto vectorial de estos dos últimos. De este modo, se aplica el producto vectorial normalizado de estos vectores para calcular este eje. El ángulo de rotación, corresponde con el ángulo que forman estos dos vectores, y este ángulo se puede calcular a partir del producto escalar de dichos vectores tal y como se muestra en la Figura 19. Vector perpendicular al plano deseado α α Vector (0,0,1) perpendicular al plano z=0 Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 48 lo que se decidió eliminar este límite inferior, ya que la probabilidad de acierto en la medida del área mejora con la eliminación de este límite. Una excepción al criterio general de parada se produce en los planos más próximos a las bifurcaciones, donde la vía tiende a ampliar su tamaño. Por tanto, se aumentará el criterio del límite superior aceptable en los cortes cercanos a la misma. Otra de las excepciones se produce para los primeros cortes. En ellos, si el vector está demasiado inclinado, al tratar de extraer el plano perpendicular éste cortará la vía y no podremos calcularlo, como se muestra en la Figura 23. Por tanto, como generalmente la tráquea en los primeros cortes varía poco su dirección conforme avanza en su recorrido, para estos primeros cortes, si no es posible obtener un plano adecuado, elegiremos el área axial. Figura 23 Izqda: Punto por el que tiene que pasar el plano. Centro: Plano de extracción calculado a partir del centroide y el vector perpendicular. Dcha: plano extraído; Por ser un corte inicial el volumen de imágenes ha terminado y el plano ha cortado a la vía. 2.6.3. Calculo del espesor Una vez extraído el plano más adecuado para el cálculo del área, se utiliza este mismo plano para el cálculo del espesor ya que, al igual que con el área, tomaremos la sección del mismo de manera adecuada en el plano que corta transversalmente a la vía, y no en cualquier otro. Así, para el cálculo del espesor, tomamos una sección del plano centrada en el centroide y determinamos 16 puntos alrededor de la vía a partir de los cuales trazamos ejes radiales con respecto al centroide de manera que atraviesen la pared. Estos ejes determinan los píxeles de interés que utilizaremos para dibujar el perfil de intensidades de cada eje. Como se aprecia en la Figura 24, el perfil de intensidades nos determina la intensidad de los píxeles que atraviesa un eje partiendo del centro, atravesando la pared de la vía así como los distintos tejidos y terminando en el extremo determinado más distal al centro de la vía. Como se comenta en el apartado 1.4.3, el aire tiene una intensidad muy baja en las imágenes de reconstrucción del TC, por lo que la gráfica del perfil de intensidades comenzará alrededor de las -1000HU. Por otra parte, el perfil del Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 49 parénquima pulmonar también será bastante bajo, ya que contiene gran cantidad de aire, proporcionando valore entrono a las -700HU [28]. Por tanto, es fácil deducir que un tejido como la pared, tendrá mayor intensidad que sus tejidos de alrededor, dibujando un perfil similar al de la Figura 24. Figura 24 Muestra del perfil ideal para la determinación del espesor de la pared. Izqda: Imagen del plano extraído; puntos determinantes de los ejes (Rojo), eje actual (verde), puntos que determinan la pared (amarillo). Dcha: Gráfica del perfil de intensidades a lo largo del eje actual. Para determinar el espesor de la pared explicaremos primero cómo se determina el punto de inicio y fin en el caso más general, en el que comenzamos en el centro de la vía, pasamos al tejido de la pared y terminamos en el pulmonar y más adelante algunos casos de excepción. En el caso general, en cada eje elegimos como punto de inicio de la pared aquel píxel donde comienza a incrementarse la intensidad y, como final de la misma, aquel en el que comienza a descender. Es fácil entender que al pasar del aire contenido en el interior del conducto a un tejido, el incremento será muy elevado. Por esto, la determinación del punto de inicio es sencilla. Se ha determinado que el punto de fin de la vía es el de máxima intensidad antes de comenzar de nuevo el descenso debido a que los píxeles que determinan el descenso de intensidad en la gráfica ya pertenecen a la zona de parénquima pulmonar como se observa en la Figura 25 y Figura 26. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 50 Figura 25 Dos secciones distintas. Izda: en torno a la vía se observa que la intensidad de la pared es mayor a la de los tejidos adyacentes (mediastino); puntos seleccionados como inicio y fin de la pared (Amarillo). Dcha: perfil de intensidades correspondientes a las imágenes de la izquierda; puntos seleccionados como inicio y fin de la pared (Amarillo). Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 51 Figura 26 Plano a nivel del parénquima pulmonar. Arriba Izqda: Plano extraído. Arriba Dcha: ampliación del plano; puntos seleccionados como incio y fin de la pared (Amarillo). Abajo: perfil de de intensidades; puntos seleccionados como inicio y fin de la pared (Amarillo). Como era de esperar, vamos a encontrar distintas excepciones a este perfil general. En primer lugar, hay tejidos que pueden estar muy cercanos a la vía y cuya intensidad sea mucho mayor, como huesos o vasos sanguíneos, como se observa en la Figura 27. Sabemos, que la diferencia de intensidad entre estos tejidos y la vía es bastante elevada. Por ello, como primera medida para hallar el espesor de manera correcta, descartaremos las intensidades mayores de 200HU. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 52 Figura 27 Muestra de perfiles de intensidad muy elevados. El perfil atraviesa hueso (círculo rojo). En segundo lugar, en las zonas de las vías altas, el perfil no sigue el mismo patrón ya que todavía no se ha llegado a la zona donde aparece el tejido pulmonar. Por tanto, el perfil será distinto, como se ve en la Figura 28 y en la Figura 25 (abajo). Sin embargo, sí existe cierta diferencia entre la intensidad de los tejidos adyacentes a la tráquea y la pared de la misma. Una vez explicado el caso general, es fácil entender que se determinará como fin de la vía el primer máximo que se encuentre, como se aprecia en la Figura 28. Figura 28 Izqda: Imagen del plano extraído en la zona de la tráquea. Dcha: perfil de intensidades a lo largo del eje determinado. En ambas, en amarillo puntos correspondientes con el inicio y fin de la vía. Una vez hallados los 16 valores de espesor determinados radialmente para los distintos puntos de la vía, se han propuesto distintos métodos para determinar el valor más cercano a la realidad. El primero consiste en realizar la media de estos valores. Este método tiene distintos problemas, pues en algunos cortes pueden existir zonas de la vía donde se hayan tomado valores más elevados, que no corresponden con la realidad, y en otros cortes, por el contrario pueden determinarse algunos puntos más pequeños que la realidad. Estas medidas falsearán los resultados al realizar la media, sobre todo si ha sucedido en más de un punto de los 16 y o si el valor dista mucho del real. Es por ello, por lo que se propuso otro método, que es en realidad una variación del primero. Como hemos comentado anteriormente, el espesor de la pared en pacientes sanos suele estar entre 1 y 3 mm. Cuando la pared sufre un engrosamiento, puede aumentar su tamaño hasta cierto nivel, el cual está relacionado con el área de su luz (ver [56]). Por tanto, se propone esta variación en la que todas aquellas medidas que superen este valor se descartan, de manera que el resultado al hacer la media sea más aproximado a la realidad. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 53 Se propone un tercer método, que consiste en tomar como valor del espesor la mediana de los datos calculados. Si la mayoría de los valores se han tomado de manera adecuada, el resultado de la mediana será muy aproximado a la realidad. Este resultado será válido siempre que los valores tomados de forma errónea no superen el 50% de todos los valores medidos. Una vez evaluados los 3 métodos en pacientes, se descartan los 2 primeros y se selecciona el tercero al comprobar que siempre es el que más se aproxima a la medida real de la pared. 2.7. Representación de las medidas Para la representación de las medidas se decidió realizar dos mapas de color, uno para la representación de las medidas de área y otro para las medidas del espesor. La idea inicial fue representar en color verde aquellos tramos de vía en los que el área tuviese unos valores dentro de la normalidad, en amarillo aquellas zonas en la luz hubiese sufrido cierto estrechamiento y en rojo aquellas zonas para las que el estrechamiento fuese más pronunciado. Rápidamente nos dimos cuenta de que esta metodología tal y como se planteó no resultaba válida, pues lógicamente las áreas mayores siempre se representarían como un área correcta, las de zonas medias como un poco estrechas y las más distales serían representadas como áreas con estrechamiento (ver Figura 29). Figura 29 Representación inicial del código de colores para el parámetro de área obtenido. Así, hubo que modificar parte del código de extracción de las medidas explicado en el apartado 2.4 para que, además del punto central y el anterior, almacenase en una variable la generación a la que pertenece cada sección de la vía. Para determinar la generación, se ha utilizado un código numérico. Se comienza en el primer corte, asumiendo que las medidas realizadas pertenecen a la tráquea y se le asigna el valor 1. Cada vez que se determina que ha habido una Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 54 bifurcación, se asigna un valor mayor a las ramificaciones que han surgido de la anterior. Por ejemplo, los bronquios tendrán un valor 2 en la variable “generación” porque son ramificaciones de la tráquea, que tiene valor 1. Y de esta misma manera se van asignando valores en las sucesivas ramificaciones. Ahora, teniendo en cuenta la generación, se pueden determinar los límites máximos y mínimos de cada variable (área y espesor) en cada tramo, pudiendo así tener en cuenta los valores descritos en la bibliografía (ver [58]) para pacientes sanos. Como se aprecia en la Figura 30, podremos realizar una visualización de los datos de mayor utilidad, ya que ahora el color en cada corte se determina dependiendo del tramo en el que se encuentra. Asimismo, se añaden más colores para determinar además de zonas en que haya estrechamientos, también zonas en que la vía se haya podido ensanchar. Los colores elegidos para estas zonas ensanchadas están en la gama de los azules hasta el negro. Así, los distintos colores determinan diferentes porcentajes de variación de los parámetros normales de la siguiente manera:  Rojo: menor que un 20% inferior al límite mínimo  Naranja: hasta un 20% inferior al límite mínimo  Amarillo: hasta un 10% inferior al límite mínimo  Verde: Dentro de los límites  Azul claro: hasta un 10% superior al límite máximo  Azul oscuro: hasta un 20% superior al límite máximo  Negro: mayor que un 20% superior al límite máximo Figura 30 Ejemplo explicativo de representación teniendo en cuenta la generación. Las zonas en verde indican un área y espesor adecuados. Se observan zonas en las que el área se ha visto ensanchada (azul claro, azul oscuro y negro) y el espesor ha disminuido (amarillo, naranja y rojo). Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 55 3. Resultados Tras todo el desarrollo siguiendo la metodóloga explicada en el capítulo 2 (ver Figura 8), el resultado general ha sido la obtención de un biomarcador para la representación de 2 parámetros de gran interés para el estudio del estado de las vías aéreas, como son el área de la luz de la vía y el espesor de la pared de la misma, para cada plano extraído a lo largo del recorrido de la misma. Para conseguir dicho resultado general, se han desarrollado distintos algoritmos cuyo conjunto forma el biomarcador planteado inicialmente. Partiendo de la adquisición de imágenes de TC válidas y el preprocesado de las mismas para la segmentación de la vía aérea, se ha realizado un algoritmo para la extracción de la línea central. Esta línea ha servido de guía para el resto del desarrollo del biomarcador. A partir de esta línea central se ha generado un algoritmo para el cálculo del plano perpendicular a la vía en cada corte, de manera que el cálculo del área sea lo más ajustado a la realidad posible. Se ha desarrollado un algoritmo para el cálculo del área sobre dicho plano, así como un algoritmo para el cálculo del espesor de su pared. Por último, se ha desarrollado un algoritmo de parametrización que reconstruye la forma de la vía analizada. Sobre esta reconstrucción se representan ambos parámetros indicando, mediante un mapa de color, las características de estenosis o ensanchado de la vía en el mapa del área así como las características de estrechamiento o ensanchado de la pared sobre el mapa de espesor El método ha sido evaluado en un total de 12 sujetos, de los cuales 10 son sujetos sanos y 2 patológicos. Ambos sujetos enfermos han sido diagnosticados de asma severa por los métodos utilizados habitualmente en la práctica clínica. Los sanos han sido de gran utilidad para comprobar los resultados del algoritmo al utilizar los valores que, según la bibliografía (ver [58]), indican que los parámetros están dentro de la normalidad y ajustarlos ligeramente a nuestros casos concretos. Como ejemplo, en la Figura 31 vemos cómo se representarían los mapas paramétricos de ambas variables analizadas en un paciente sano. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 56 Figura 31 Mapas paramétricos de un paciente sano. Tomando como referencia estos valores adaptados, se han evaluado los patológicos, comprobando que se obtienen resultados diferentes a los obtenidos para los sanos como se observa en los mapas paramétricos de la Figura 32. Figura 32 Representación de pacientes patológicos. Dcha: Área estenosada en ambos pacientes. Izqda: espesor ensanchado en ambos pacientes. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 57 Una de las bondades de esta nueva metodología implementada es que no dependemos del resultado de un corte para determinar los límites de la pared del siguiente, como ocurre con otros métodos, sino que cada corte se calcula de manera independiente a los demás, evitando arrastrar errores. Es cierto que en el cálculo del área sí que se tiene en cuenta el valor anterior para determinar uno de los límites, pero se decidió eliminar el límite inferior principalmente para evitar arrastrar un posible error en alguno de los cálculos. Evitamos así lo máximo posible las consecuencias del fenómeno de fugas o fuzzy, un fenómeno descrito en el apartado 1.5.3 por el que se producen pérdidas en la detección de la vía. Por otra parte, puesto que el biomarcador está implementado en Matlab y reconstruido en una figura en 3 dimensiones, el propio visualizador del programa permite girar la imagen, pudiendo visualizarla desde distintos puntos de vista. Esto resulta de gran utilidad, sobre todo para visualizar el ancho del área en las zonas en las que el biomarcador indica un tamaño inusual. Como se muestra en la Figura 33, el biomarcador indica zonas marcadas en rojo en una sección en que la vista sagital haría pensar que la tráquea está ensanchada. Sin embargo al rotar la imagen hasta la vista coronal, se aprecia que el área es más pequeña de lo que cabría esperar. Figura 33 Izqda: Vista sagital del mapa paramétrico del área. Dcha: vista corola del mismo mapa paramétrico de área. Un resultado destacable es que el análisis se realiza de forma automática. Esto significa que, por las propias características con que se ha desarrollado el método, ante una misma entrada siempre se obtendrá la misma salida. Gracias a este resultado, el método no depende ni de las particularidades del ordenador en el que se ejecuta ni de la experiencia del usuario que lo efectúa. Por tanto, para el mismo volumen de imágenes de un paciente, independientemente de la persona que lo realice o del ordenador en el que se ejecute, los resultados que se obtienen siempre serán los mismos, haciendo del algoritmo un método 100% reproducible. De esta manera, conseguimos evitar Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 64 patología traqueal”. Congreso Nacional de la Sociedad Española de Radiología Médica. 2012. Poster nº S-1415. [12] Serrano MP, Aguilar L, Navarro S, Fernández J. "Técnicas radiológicas especiales y aplicación en neumología: TAC, RM y PET." [13] Ríos N, Saldívar D.“Imagenología”.Editorial El Manual Moderno. 3ª Ed.2011;p.33. [14] Rodríguez M,; Martín B, Moreno A, Rodríguez ML, Sánchez A. “Enfermedad de la vía aérea pequeña. Lo que el radiólogo debe saber”. Congreso Nacional de la Sociedad Española de Radiología Médica. 2010; Póster nº 962. [15] Lee AL, Burge AT, Holland AE. “Airway clearance techniques for bronchiectasis”. Cochrane Database of Systematic Reviews. 2015; vol. 11. [16] Organización Mundial de la Salud. “The top 10 causes of death”. May 2014. Consultado el 20/05/2016. Disponible en: http://www.who.int/mediacentre/factsheets/fs310/en/ [17] Sociedad Española de alergología e inmunología clínica. “Día mundial del asma”. May 2014. Disponible en: http://www.seaic.org/inicio/en-portada/dia-mundial-del-asma3.html [18] Redacción de Onmeda. “Asma bronquial”. 2012. Disponible en: http://www.onmeda.es/enfermedades/asma.html. [19] Chung KF, Wenzel SE, Brozek JL, Bush A, Castro M, Sterk PJ, et al. “International ERS/ATS guidelines on definition, evaluation and treatment of severe asthma”. Eur Respir J. 2014; vol. 43, pp. 343-373. [20] Low K, Lau KK, Holmes P, Crossett M, Vallance N, Phyland D et al. “Abnormal Vocal Cord Function in Difficult-to-Treat Asthma”. Am. J. Respir. Crit. Care. Med. 2011; vol. 184, pp. 50–56. [21] Moore WC, Meyers DA, Wenzel SE, Teague WG, Li H, Li X, et al. “Identification of asthma phenotypes using cluster analysis in the Severe Asthma Research Program”. Am J Respir Crit Care Med 2010; pp. 181-315. [22] Boletín mensual de la Agencia Española del Medicamento y Productos Sanitarios. 2014. Consultado el 24/05/2014. Disponible en: http://www.aemps.gob.es/informa/boletinMensual/2014/enero/bo letin-enero.htm [23] Ciscar MA, Juan G, Martínez V, Ramón M, Lloret T, Mínguez J, et.al. “Magnetic resonance imaging of the pharynx in OSA patients and healthy subjects” Eur Respir J 2001; vol.17,pp.79-86. [24] Franquet T. “Técnicas de imagen en la exploración de la vía aérea pequeña: asma y EPOC”. Arch Bronconeumol. 2011; vol. 47(Supl 2), pp. 20-26.1. [25] Carrión PA, Rieta JJ, Ródenas J, Sánchez C, et al. “Nuevas técnicas de procesado de imágenes médicas: Ingeniería biomédica”. Ediciones de la Universidad de Castilla-La Mancha. 2011; pp. 37-70. Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 65 [26] Calzado A, Geleijns J. “Tomografía computarizada. Evolución, principios técnicos y aplicaciones”. Rev. Fis. Med. 2010; vol.11(3), pp. 163-180. [27] De la Cerda Romero A. “Equipos de tomografía computerizada (TAC)”. Revista Digital para Profesionales de la Enseñanza. 2009. vol. 5. [28] Bruke AJ, Vining DJ, McGuirt WF, Postma G and Browne JD. “Evaluation of Airway Obstruction Using Virtual Endoscopy”. The Laryngoscope. 2009; vol.110, pp.23-29. [29] Pérez Enguix DB. “Rentabilidad diagnóstica de la tomografía conputarizada de alta resolución en la valoración previa al transplante pulmonary”. Tesis Doctoral de la Universitad de València. 2007. [30] Gálvez A. “Curso de Tomografía Computarizada”. Consultado el 04/06/2016. Disponible en: https://sites.google.com/site/cursodetomografiacomputada/tc-detorax [31] Serrano MP, Aguilar L, Navarro S, Fernández J. “Técnicas radiológicas especiales y aplicación en neumología: TAC, RM y PET”. Asociación de Neumología y cirugía torácica del sur. Consultado el 20/05/2016. Disponible en: www.neumosur.net/files/EB03-05%20radiologia%20especial.pdf [32] Harvey O. Coxson. “Quantitative Computed Tomography Assessment of Airway Wall Dimensions” Proc. Am. Thorac. Soc. 2008; vol. 5, pp 940–945. [33] Bankier AA, Fleischmann D, Mallek R, Windisch A, Winkelbauer FW, Kontrus M et al. “Bronchial wall thickness: appropriate window settings for thin-section CT and radiologic-anatomic correlation”. Radiology. 1996; vol. 199, pp. 831–836. [34] Artículo sobre “Broncoscopia”. Biblioteca Ncaional de Medicina de los EE.UU. Consultado el 03/06/2016. Disponible en: https://www.nlm.nih.gov/medlineplus/spanish/ency/article/00385 7.htm [35] Lynch DA, Al-Qaisi ML. “Quantitative CT in COPD”. J Thorac Imaging. 2013; vol. 28(5), pp. 284-290. [36] Naidich DP, McCauley DI, Khouri NF, et al. “Computed tomography of bronchiectasis”. J Comput Assist Tomogr. 1982; vol. 6, pp. 43744. [37] Park SC, Kim WP, Zheng B, Leader JK, Pu J, Tan J and Gur D. "Pulmonary airways tree segmentation from CT examinations using adaptive volume of interest", Med. Imag. 2009; Proc. SPIE vol. 7259, 72593U-1 - 72593U-9. [38] Park W, Hoffman EA, Sonka M, “Segmentation of intrathoracic airway trees: A fuzzy logic approach,” IEEE Trans Med Imag. 1998; vol. 17(4), 489-497. [39] Zheng B, Leader JK, McMurray JM, Park SC, Fuhrman CR, Gur D, Sciurba FC, “Automated detection and quantitative assessment of Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 66 pulmonary airways depicted on CT images,” Med Phys 2007; vol. 34(7), pp. 2844-2852. [40] Leader JK, Zheng B, Sciurba FC, Coxso HO, Fuhrman CR, McMurray JM, et al. “Quantification of airway morphometry: the effect of CT acquisition and reconstruction parameters" Proc SPIE. 2007; vol. 6511, 65111R. [41] Leader JK, Zheng B, Fuhrman CR, Sciurba FC, Park SC, Pu J, et al. “The relation of airway size to lung function,” Proc SPIE. 2008: vol. 6916, p. 74. [42] Leader JK, Zheng B, Sciurba FC, Coxson HO, Weissfeld JL, Fuhrman CR, et al. “Airway morphometry in the lungs as depicted in chest CT examinations variability of measurements,” Proc SPIE. 2006; vol. 6143, 61432R. [43] Webb WR, Gamsu G, Wall SD, Cann CE, Proctor E. “CT of a bronchial phantom: Factors affecting appearance and size measurements,” Invest Radiol. 1984; vol. 19, pp. 394-398. [44] Seneterre E, Paganin F, Bruel JM, Michel FB, Bousquet J. “Measurement of internal size of bronchi using high resolution computed tomography HRCT,” Eur Respir J. 1994; vol. 7, pp.596-600. [45] Okazawa M, Muller NL, McNamara AE, Child S, Verburgt L, Pare PD, “Human airway narrowing measured using high resolution computed tomography,” Am J Respir Crit Care Med. 1996; vol. 154, pp. 15571562. [46] Rizi FY, Ahmadian A, Sahba N, Tavakoli V, Alirezaie J, Fatemizadeh E, Rezaie N, “A Hybrid Fuzzy Based Algorithm for 3D Human Airway Segmentation,” Proc ICBBE. 2008; pp. 2295-2298. [47] Cheng I, Nilufar S, Flores-Mir C, Basu A, “Airway Segmentation and Measurement in CT Images,” EMBS. 2007; pp. 795-799. [48] Kim N, Seo JB, Song KS, Chae EJ, Kang SH. “Semi-automatic measurement of the airway dimension by computed tomography using the full-width-half-maximum method: a study on the measurement accuracy according to the CT parameters and size of the airway.” Korean J Radiol. 2008; vol. 9(3), pp. 226-35. [49] Liu X, Chen DZ, Tawhai MH, Wu X, Hoffman EA, Sonka M. “Optimal graph search based segmentation of airway tree double surfaces across bifurcations”. IEEE Trans Med Imaging. 2013; vol. 32(3), pp. 493-510. [50] Sedgewick, Robert. “Algorithms in C”. 3rd Ed., Addison-Wesley. 1998; pp. 11-20. [51] Pu J, Gu S, Liu S, Zhu S, Wilson D, Siegfried JM et al. “CT based computerized identification and analysis of human airways: A review”. Medical Physics. 2012; vol. 39 (5), pp. 2603-2616. [52] Park SC, Leader JK, Tan J, Lee GS, Kim H, Na IS et al. “Separation of left and right lungs using 3D information of sequential CT images and Trabajo final de máster Lucía Aparici Tortajada Diseño y desarrollo de biomarcadores de imagen en vías aéreas 67 a guided dynamic programming algorithm”. J Comput Assist Tomogr. 2011; vol. 35(2); pp. 280–289. [53] Aykac D, Hoffman EA, McLennan G, Reinhardt JM. “Segmentation and analysis of the human airway tree from three-dimensional X-ray CT images”. IEEE Trans. Med. Imaging. 2003; Vol. 22(8); pp. 940–50. [54] Graham MW, Gibbs JD and Higgins WE. “Robust system for human airway tree segmentation”. Proc. SPIE. 2008; vol. 6914. [55] Teng TP. Consultado el 27/05/2016. Propuesta de código disponible en: http://www.mathworks.com/matlabcentral/fileexchange/32032extract-slice-from-volume/content/extractSlice.m [56] Gupta S, Siddiqui S, Haldar P, Entwisle JJ, Mawby D, Wardlaw AJ et al. “Quantitative analysis of high-resolution computed tomography scans in severe asthma subphenotypes”. Thorax. 2010; vol. 65, pp. 775781. [57] Reference page for bwlabel form Matlab. Consultado el 05/06/2016. Disponible en: http://es.mathworks.com/help/images/ref/bwlabel.html [58] Fraser RS, Muller NL, Colman NC, Pare PD “Diagnosis of Diseases of the Chest”, W.B. Saunders. 1999. 4th ed., vol. I.