Simulación de radiocirugía craneal estereotáctica guiada por resonancia magnética funcional
El objetivo de este trabajo fue reconocer e incorporar redes neuronales en estado de reposo (RSN) a los sistemas de planificación a partir de estudios rs-fMRI y simular planes de tratamientos de radiocirugía craneal estereotáctica (SRS) con la información anatómica tradicional y la información funci...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/1136/1/1Ancari_I%C3%B1iguez.pdf |
| Aporte de: |
| Sumario: | El objetivo de este trabajo fue reconocer e incorporar redes neuronales en estado de reposo (RSN) a los sistemas de planificación a partir de estudios rs-fMRI y simular planes de tratamientos de radiocirugía craneal estereotáctica (SRS) con la información anatómica tradicional y la información funcional de las RSN. La SRS es una técnica no invasiva utilizada para tratar lesiones intracraneales a través de múltiples haces que entregan altas dosis al objetivo en pocas fracciones. Las dosis recibidas por las regiones funcionales pueden ser reducidas a través su incorporación como órganos en riesgo (OAR) en el proceso de planificación de radioterapia. Se utilizaron tres pacientes con tumores cerebrales para el desarrollo de los planes de tratamiento, contaban con estudios 3DGRE-T1, rs-fMRI y CT. Para encontrar las redes neuronales en estado de reposo RSN se realizó un análisis bidimensional de componentes independientes (ICA) con la función MELODIC, seguido de un proceso semiautomático de clasificación combinando FIX y la clasificación manual. Posteriormente se seleccionaron las redes visual, motora y DMN para ser incorporadas al TPS, para ello se desarrolló un programa en Python que permite la conversión de archivos NIfTI a DICOM, el programa consideró la integridad de los datos, adaptación del marco de referencia NIfTI al sistema DICOM y la asignación de UID. El procedimiento semiautomático para clasificar y reconocer las RSN demostró una eficiencia comparable a la clasificación manual, con una reducción considerable del tiempo requerido en esta tarea. Se convirtió y adecuó satisfactoriamente las RSN Nifti al formato DICOM, siendo reconocidos y asignados correctamente a los pacientes en el TPS. Al incorporar las redes visual, motor y DMN como fOAR en los planes de tratamiento utilizando técnicas de VMAT coplanar y no-coplanar, se pudo reducir con éxito las dosis de la red visual en 15 % y 18 % aproximadamente, sin comprometer la dosis del objetivo ni superar los límites de los OAR convencionales. Este estudio demostró la factibilidad de incorporar RSNs en los planes de tratamiento en RT con una posible aplicación clínica. |
|---|