Julio 2025

Varios de los integrantes del Centro de Imágenes Biomédicas UC participaron activamente en la Reunión Anual 2025 de la Sociedad Internacional de Resonancia Magnética en Medicina (ISMRM, por sus siglas en inglés), uno de los encuentros científicos más relevantes a nivel mundial en el área de la imagenología médica. En esta instancia, los investigadores presentaron sus más recientes avances y contribuciones en el campo de la resonancia magnética, representando a la Universidad Católica en un espacio de intercambio académico de alto nivel. Free-breathing 3D cine lung imaging on low field MRI Carlos Valle, Jaime Remetal, Rodrigo Salas, Marcelo Andia, Cecilia BesaLa tomografía computarizada (TC) es el gold standard actual para la imagenología pulmonar, pero está limitada a datos morfológicos y utiliza radiación ionizante. La resonancia magnética (RM) aún no ha logrado una adopción clínica generalizada para la imagenología pulmonar en campos magnéticos convencionales. Sin embargo, la RM de bajo campo podría ofrecer ventajas únicas para la visualización del parénquima y la función pulmonar. Desarrollamos un protocolo de RM cine 3D para evaluar la función pulmonar utilizando un escáner de bajo campo de 0,55T. Se diseñó una secuencia de adquisición con respiración libre para reconstruir volúmenes cine 3D a partir de cortes 2D secuenciales. El método permitió reconstruir con éxito 12 volúmenes a lo largo del ciclo respiratorio, con un tiempo total de adquisición de aproximadamente 15 minutos. La RM de bajo campo a 0,55T permite obtener imágenes funcionales del pulmón sin radiación ionizante, lo que representa una alternativa más segura y potencialmente más informativa que la TC para el diagnóstico y seguimiento de enfermedades pulmonares. 0.55T Low-field MRI spirometry Carlos Valle, Jaime Remetal, Rodrigo Salas, Marcelo Andia, Cecilia BesaLa espirometría mide la función pulmonar global, pero no entrega detalles de la región de interés, mientras que las tomografías computarizadas (TC) ofrecen imágenes detalladas a costa de exposición a radiación ionizante. La resonancia magnética (RM) de bajo campo surge como una alternativa prometedora, al permitir un mapeo pulmonar detallado sin utilizar radiación. Este estudio evaluó una espirometría basada en RM de bajo campo para analizar diferencias en la función pulmonar entre personas sanas activas y sedentarias. Se reclutaron trece voluntarios (6 activos y 7 sedentarios), y se realizó un análisis espirométrico a partir de imágenes cine 3D del pulmón para evaluar la función pulmonar local. Los resultados preliminares sugieren que la espirometría por RM de bajo campo puede detectar diferencias regionales en la función pulmonar, lo que respalda su potencial como herramienta no invasiva para evaluar la salud respiratoria. Automated Labeling of Intracranial Arteries with Uncertainty Quantification Using Deep Learning Javier Bisbal, Patrick Winter, Sebastián Jofre, Aaron Ponce, Oliver Welin Odeback, Sergio Uribe, Cristian Tejos, Julio Sotelo, Susanne Schnell, David Marlevi El etiquetado preciso de arterias intracraneales es clave para el diagnóstico cerebrovascular, pero requiere mucho tiempo y presenta variabilidad entre operadores. Este estudio propone un sistema automático basado en aprendizaje profundo usando segmentaciones de angiografía por RM 3D ToF-MRA. Se evaluaron tres arquitecturas: UNet, CS-Net y nnUNet, siendo esta última la de mejor rendimiento (Dice: 0,922; distancia a la superficie: 0,387 mm). El enfoque incluye cuantificación de incertidumbre para mejorar la interpretabilidad, mediante aumentación en tiempo de inferencia y una estrategia guiada por coordenadas. Los mapas de incertidumbre identifican zonas de ambigüedad anatómica o errores en el etiquetado manual. Finalmente, se validó su utilidad clínica comparando las etiquetas automáticas con etiquetas manuales en estudios de 4D Flow MRI, sin diferencias estadísticamente significativas. El sistema demuestra ser preciso, robusto y escalable, con potencial para integrarse en entornos clínicos. Integrating BMAT and FA Imaging for Improved Classification of Multiple Sclerosis: A Machine Learning Perspective Esta investigación busca mejorar el diagnóstico temprano y el tratamiento de la esclerosis múltiple (EM) integrando evaluaciones cognitivas, neuroimágenes avanzadas y aprendizaje automático. El modelo alcanzó una precisión del 80,89 % al clasificar pacientes según su estado cognitivo, identificando características neuroanatómicas clave. Estos resultados promueven intervenciones más tempranas y personalizadas, y abren nuevas vías para estudiar el deterioro cognitivo en la EM y otras enfermedades neurológicas. Precision with Simplicity: Refining Susceptibility maps with minimal iterative effort Mathias Lambert, Carlos MilovicEsta investigación aborda dos limitaciones clave del Mapeo Cuantitativo de Susceptibilidad (QSM): la sobre regularización, que suprime detalles de alta frecuencia cruciales para una evaluación precisa, y la generación de artefactos por parte de métodos de aprendizaje profundo. El objetivo central es recuperar estas frecuencias críticas para mejorar la precisión de los mapas de susceptibilidad con un bajo costo computacional.La metodología consiste en refinar un mapa sobreregularizado aplicando únicamente tres iteraciones de descenso por gradiente (NDI) con un paso de 2. Este proceso impone consistencia con los datos originales sin introducir ruido. En el conjunto simulado Sim2Snr1, esta técnica redujo el error cuadrático medio normalizado hasta en 14 puntos frente a otros métodos. En estudios in vivo, el refinamiento realzó detalles en la materia blanca y en los vasos sanguíneos, aunque intensificó artefactos cerca de calcificaciones.En resumen, el uso de NDI con pocas iteraciones ofrece una solución eficaz y eficiente para restaurar detalles finos y potenciar la utilidad clínica de los mapas de susceptibilidad provistos por métodos aprendizaje profundo. Accelerated DESPOT1 with variable parameters for 3D T1 brain mapping Ronal Coronado, Cecilia Besa, René Botnar, Pablo Irarrazaval, Claudia PrietoDriven Equilibrium Single Pulse Observation of T1 (DESPOT1) es un método robusto para obtener mapas T1 tridimensionales del cerebro, basado en una secuencia spoiled gradient echo. A pesar de su fiabilidad, su diseño con tiempo de repetición (TR) y ancho de banda (BW) fijos limita la flexibilidad en la adquisición, lo que suele traducirse en una eficiencia de escaneo limitada. Para superar esta limitación, el estudio se propuso mejorar DESPOT1 mediante la incorporación de TRs, flip angles (FAs) y BWs variables, permitiendo así una mayor adaptabilidad y eficiencia en el proceso de imagen.La estrategia propuesta utiliza combinaciones optimizadas de TRs, FAs y BWs, integradas con un método de reconstrucción basado en diccionarios, lo que permite mantener una cuantificación precisa de T1 al mismo tiempo que se acelera de manera significativa el