Projecte final de màster realitzat en col.laboració amb Universitat de Tecnologia de Eindhoven

Castellano: Di usion Tensor Imaging (DTI) es una técnica de imagen basada en la resonancia magnética (MR), que ofrece una visión única de la organización estructural de la sustancia blanca del cerebro. Esto se consigue mediante la medición de la difusión de moléculas de agua en el tejido. En el agua, la difusión es libre y tiene la misma magnitud en todas las direcciones. En este escenario obtenemos un per l de difusión isotrópico. En los tejidos brosos sin embargo, como en la materia blanca del cerebro, la difusión se limitaría en sentido perpendicular a las bras. Esto provoca que, en este escenario, obtengamos un per l de difusión anisotrópico. En las imágenes DTI, el per l de difusión se modela como una distribución de probabilidad de Gauss y por lo tanto puede ser descrito por un tensor de segundo orden [BPD94]. En este modelo, el principal eigenvector del tensor corresponde a la dirección de mayor difusión, que es la misma que sigue la estructura de bras (Figura 1.1). Gracias a estos tensores podemos realizar un recorrido sobre ellos e ir reconstruyendo un modelo 3D de estas bras. Esta reconstrucción recibe el nombre de ber tracking [VAD05] (Figura 1.2). Pese a su potencial, la salida de la reconstrucción, ber tracking, contiene una cantidad considerable de incertidumbre. Este error o incertidumbre se acumula a lo largo del proceso de obtención del modelo. En la fase de obtención de los datos puede introducir errores por ruido en las imágenes, distorsión de la imagen, parámetros del escáaner, etc. En la fase de reconstrucción se introducen errores de aproximación dependiendo del modelo de difusión utilizado. En la mayor parte de los algoritmos, este error no se muestra, lo cual da una sensación de certidumbre en los datos que no se corresponde con la realidad. Una aplicación para neurocirugía, no puede pasar por alto estos errores, ya que la aplicación se usara para tomar decisiones y evaluar el riesgo quirúrgico. Si no mostramos esta incertidumbre a la hora de estimar la longitud de las bras cerebrales podemos provocar da~no en tejido cerebral sano.Nuestro objetivo en esta tesis es realizar un visualizado de este modelo de bras mostrando el nivel de incertidumbre que tiene cada bra o grupo de bras. El departamento de Ingenier a Biomédica de la Universidad de Tecnología de Eindhoven tiene desarrollada una aplicación para la visualización de bras cerebrales (http://bmia.bmt.tue.nl/software/dtitool/). Pere-Pau Vàzquez tiene contacto con este departamento y están desarrollando métodos de visualización de la incertidumbre de los datos. Este trabajo se hace en colaboracíon con ellos, en especial con Anna Vilanova y Ralph Brecheisen. Por eso, hemos implementado nuestra técnica de visualización como un plugin para esta aplicación. De esta manera, nos proporcionan muchas facilidades, como el cargado de modelos de bras o parte del proceso de visualización implementado.