La inteligencia artificial permite reconstruir imágenes médicas en 3D a partir de fotografías

Las imágenes médicas son un conjunto de técnicas y procesos que sirven para visualizar el cuerpo humano y diagnosticar enfermedades. En poco tiempo las tomografías, imágenes de rayos X y las ecografías en 2 dimensiones, (es decir, ancho y alto) se leerán en 3 dimensiones. Este avance en medicina será posible según aseguran investigadores del MIT (Instituto Tecnológico de Massachusetts), que han creado un algoritmo de inteligencia artificial que permite recuperar la tercera dimensión de las imágenes con solo una fotografía, es decir, con un objeto plano. “El modelo podría usarse para recrear vídeos de imágenes borrosas por movimiento o para crear nuevos tipos de cámaras que capturan el movimiento de una persona”, asegura Guha Balakrishnan, investigador de ciencias de la computación e Inteligencia Artificial del MIT.

El algoritmo está entrenado para recuperar información. "Los datos visuales tienen una dimensión que se pierde por completo, y es la del tiempo o la del espacio y es lo que este algoritmo rescata", señala Balakrishnan. Aunque se necesitan más pruebas hasta que el algoritmo se aplique en el terreno sanitario, los científicos creen que este modelo podría usarse para convertir imágenes médicas en 2D en escaneos corporales en 3D. Un sistema muy útil en los países en vías de desarrollo por su bajo coste una vez perfeccionado el algoritmo. "Se podría hacer una radiografía e introducirla en nuestro algoritmo y ver toda la información perdida", asegura Balakrishnan.

Los investigadores dicen que el mundo tridimensional solo está en nuestra imaginación o con imaginación y gafas 3D. Sin embargo, la realidad es más compleja. “Cuando tenemos un objeto y le quitamos alguna dimensión, todo se vuelve plano, en dos dimensiones. Imaginemos una pirámide vista desde arriba. La imagen se convierte en cuatro triángulos planos”, explica Javier Melenchón, profesor de informática, multimedia y telecomunicaciones de la Universidad Oberta de Catalunya (UOC).

Otro tipo de imágenes que se podrán recuperar son las fotos borrosas, es decir, cuando el obturador ha captado luz un tiempo y el objeto se ha movido. Es una proyección a través del tiempo. “Imaginemos que recuperamos la función Live de los iPhones (cuando hay unas décimas de segundo de movimiento en una foto). Con ese servicio se proyecta la dimensión tiempo. Es la altura de píxeles, el ancho de píxeles y se proyecta el tiempo”, señala Melenchón. En ese caso se convierte una imagen en un vídeo, se recupera una variable, algo similar a lo que harán los científicos del MIT.

"Los datos visuales tienen una dimensión que se pierde por completo, y es la del tiempo o la del espacio y es lo que este algoritmo rescata"

Las cámaras digitales que capturan tomas de larga exposición agregan fotones durante un período de tiempo en cada píxel. Cuando capturan el movimiento de un objeto a lo largo del tiempo, la cámara toma el valor promedio de los píxeles de captura de movimiento. Luego, aplica esos valores promedio a las alturas y anchos correspondientes de una imagen fija, y se crean rayas borrosas de la trayectoria del objeto. “Cuando calculamos algunas variaciones en la intensidad de los píxeles, recreamos de manera teórica el movimiento”, explica Amy Zhao, ingeniera informática y eléctrica e investigadora del MIT. Este algoritmo recupera el modelo original que se ha movido. “Se conseguiría su proyección, es decir, la expresión completa del objeto que ha perdido una dimensión y, por tanto, se podrían hacer reconstrucciones de paredes, tejidos o incluso órganos completos”, afirma Melenchón.

Los investigadores han conseguido implementar el algoritmo después de que el sistema reconozca millones de parejas de proyección y objeto que ha provocado la proyección. A partir de ahí el sistema deduce las reglas que hay de la proyección al objeto tridimensional. Este tipo de algoritmos se conocen como redes neuronales porque se inspiran en el funcionamiento de las neuronas, es decir, de manera automática. “Estos algoritmos deducen las reglas internas una vez que las han aprendido, no las memorizan”, aclara Melenchón.