Imatge mèdica i millores en les tecnologies docents i solucions a problemes de processament d’imatge

La imatge mèdica ha progressat a bastament per convertir-se en una tecnologia madura que és imprescindible en els processos clínics actuals, ja sigui per diagnosticar, planificar operacions o per seguir l'evolució i el tractament de patologies. Tanmateix, els avenços en la imatge per al diagnòstic no s'han aprofitat de la mateixa manera en altres camps com ara l'educació o la ciència de la carn.
En el context de l'educació, hi ha una manca d'entorns de docència que permetin als estudiants aprofitar els avantatges i interaccionar amb les imatges mèdiques. A més a més, si aquests entorns són en línia i accessibles des del web, la supressió de les restriccions de temps i espai estimula la participació dels estudiants i, conseqüentment, es millora el procés d'aprenentatge. Pel que fa als professors, aquestes eines d'aprenentatge en línia basades en la imatge han de ser senzilles de gestionar, de manera que el procés de creació de contingut sigui ràpid i eficient. En el camp de la medicina, es proposa una nova plataforma d'aprenentatge en línia que és útil tant per estudiants de grau com per professionals de l'àmbit mèdic que vulguin matricular-se en cursos de formació contínua. En el camp de la veterinària, es descriu una eina interactiva d'aprenentatge en línia que no només incorpora els avantatges anteriors, sinó que també admet nous recursos gràfics, tenint en compte que són escassos en aquest àmbit. També es descriu un procés de segmentació manual per generar nous models tridimensionals a partir d'imatges de tomografia computada.
En el context de la ciència de la carn, el processament d'imatge mèdica té diverses aplicacions. Una de les més importants és el procés de classificació de la qualitat dels animals depenent de la composició dels seus teixits; és a dir, com més gran és la quantitat de carn magra, millor és la qualitat de l'animal. Així, es proposa un mètode automàtic, ràpid i precís per calcular el percentatge de carn magra de la canal d'un animal, i s'utilitza un model d'efecte de volum parcial per fer-lo robust a la variació de dades que pot existir entre diferents escàners, o bé entre diferents imatges del mateix escàner. Quan l'objectiu és classificar la qualitat d'animals vius, la necessitat d'utilitzar tècniques de processament d'imatge mèdica és més evident, ja que són tècniques no invasives i els animals no en surten perjudicats. No obstant això, en aquest cas apareix un nou problema, i és que els òrgans interns de les imatges mèdiques s'han d'eliminar perquè no són necessaris per al càlcul del percentatge de carn magra. Per afrontar aquest problema, es proposen dos algorismes de segmentació.
La imatge mèdica és, sens dubte, molt útil en processos de diagnòstic, i aquesta tesi pretén demostrar que també ho és en els camps de l'educació i la ciència de la carn. Així doncs, es presenten millores en les tecnologies docents i solucions a problemes de processament d'imatge, sempre mantenint la imatge mèdica com a eix vertebrador.

Lectura de la tesi: 25/05/2018, Sala d'Actes de l'Escola Politècnica IV