Software modular para la reconstrucción de imágenes científicas

Los científicos utilizan una variedad de instrumentos de imágenes para observar el interior de los organismos vivos, a veces mientras se mueven, y para observar objetos inertes sin alterar su estado. Dichos instrumentos incluyen telescopios, microscopios, escáneres de tomografía computarizada y más. Pero estos instrumentos, incluso cuando trabajan a su máxima capacidad, a menudo generan sólo imágenes parciales o imágenes de muy baja calidad para proporcionar mucha información.

Ahí es donde entran en juego los potentes algoritmos: pueden reconstruir fragmentos de información faltante, mejorar la resolución y el contraste de una imagen y dar cuerpo a objetos esbozados. Recientemente se han logrado avances impresionantes en esta técnica, conocida como imágenes computacionales, hasta el punto de que ahora juega un papel central en muchos tipos de investigación.

Los ingenieros que trabajan en diversos campos han desarrollado potentes programas algorítmicos para esta técnica, pero cada uno está diseñado para una aplicación muy específica, aunque la física de imágenes subyacente sea generalmente la misma. Eso significa que los científicos que quieran combinar métodos de obtención de imágenes deben hacer un esfuerzo considerable para adaptar diferentes programas y lograr que se comuniquen.

«Sentimos que siempre estábamos reescribiendo los mismos fragmentos de código para adaptar los programas que queríamos usar», dice Sepand Kashani, Ph.D. Estudiante del Laboratorio de Comunicaciones Audiovisuales (LCAV) de la EPFL.

Así que se asoció con Matthieu Simeoni y Joan Rué Queralt, ex y actual director del Centro de Reconstrucción de Imágenes del Centro de Imágenes de la EPFL, para desarrollar algoritmos independientes de las aplicaciones para compartir en diferentes campos. Hoy ese software, llamado Pyxuestá disponible en código abierto.

Desde pequeñas moléculas hasta el espacio exterior, se aplican las mismas leyes de la física

«Las leyes de la física que rigen las imágenes son a menudo las mismas independientemente del campo de investigación concreto», afirma Rué Queralt. «Y los problemas encontrados en la reconstrucción de imágenes se pueden agrupar en un puñado de categorías con prácticamente los mismos modelos matemáticos: categorías como rayos X y otras formas de tomografía, resonancias magnéticas y radioastronomía, etc.». Por eso él, Kashani y Simeoni creyeron que sería posible desarrollar software independiente de las aplicaciones.

«Hoy en día, los métodos de obtención de imágenes se utilizan generalmente sólo en el ámbito para el que fueron desarrollados inicialmente», afirma Rué Queralt. «Hemos visto a los científicos dedicar mucho tiempo y energía a reinventar la rueda codificando programas similares a los que ya existen. Eso está frenando los avances en imágenes en todas las áreas».

Pyxu está diseñado para usarse en cualquier campo y facilitar la incorporación sin problemas de tecnología de inteligencia artificial de vanguardia. Martin Vetterli, profesor de LCAV, explica: «Los algoritmos de aprendizaje profundo han trastocado el panorama de las imágenes computacionales en los últimos años. Estos algoritmos se basan en la tecnología de IA y ofrecen un mejor rendimiento que sus homólogos convencionales».

Los algoritmos se entrenan comparando imágenes de alta calidad con imágenes reconstruidas y luego se utilizan para realizar automáticamente las correcciones necesarias para mejorar las reconstrucciones y comparar las imágenes mismas.

El equipo de desarrollo de Pyxu, formado por ingenieros de LCAV y del Centro de Imágenes, tuvo que aunar habilidades de varias áreas para crear el software y la plataforma de código abierto. «Uno de nuestros mayores desafíos técnicos fue hacer que Pyxu fuera lo suficientemente flexible para procesar enormes conjuntos de datos y al mismo tiempo fácil de implementar en una variedad de sistemas de TI con una amplia gama de configuraciones de hardware», dice Kashani.

Menos código, más ladrillos

Con Pyxu, los científicos ya no necesitan ser expertos en los detalles de implementación. El software contiene módulos que representan diferentes tareas, que los usuarios pueden seleccionar y ensamblar en el orden que deseen, de forma muy parecida a los ladrillos de Lego.

Nino Hervé, Ph.D. estudiante de la Universidad de Lausana, fue uno de los primeros usuarios de Pyxu; empleó el software para reconstruir imágenes de EEG. «Interpretar la actividad de 5.000 conexiones neuronales, basándose en lecturas tomadas por 200 electrodos colocados en el cuero cabelludo de un paciente, no es tarea fácil», afirma.

«Necesitamos programas que sean eficaces para resolver problemas de optimización. El software de Pyxu utiliza una variedad de algoritmos de optimización sofisticados y está diseñado para ejecutar cálculos en paralelo, lo que lo hace mucho más rápido. Ha aligerado mi carga de trabajo significativamente».

Pyxu se lanzó en código abierto hace apenas unos meses y ya se ha utilizado en numerosos estudios de la EPFL en campos como la radioastronomía, la óptica, la tomografía y la tomografía computarizada. «Diseñamos Pyxu para que los investigadores pudieran utilizar nuestros modelos como base para construir los suyos propios», dice Matthieu Simeoni, creador de Pyxu.

«Entonces los investigadores pueden añadir sus modelos a nuestro software y ponerlos a disposición de toda la comunidad científica».

Una segunda versión más escalable

Actualmente se está trabajando en una segunda versión más escalable del software, y se planea lanzarla también en código abierto. Además de poder manejar conjuntos de datos más grandes, la nueva versión incluirá funciones adicionales y será aún más sencilla de usar. Por ejemplo, los desarrolladores de Pyxu están trabajando con ingenieros del Biomedical Imaging Group de EPFL para aprovechar los avances recientes en la incorporación de algoritmos impulsados ​​por IA en modelos matemáticos.

El objetivo es garantizar que las imágenes reconstruidas transmitan información importante visualmente y sean matemáticamente sólidas, cualidades esenciales para aplicaciones sensibles como el diagnóstico médico.