El proyecto ITHaCA es un proyecto multidisciplinar que integra a ingenieros, neurocirujanos y patólogos. Tiene por objetivo principal realizar una diferenciación y clasificación precisa mediante la utilización de imágenes hiperespectrales de los distintos tipos de tumores cerebrales. Esta diferenciación/clasificación se realizará en tiempo real usando algoritmos avanzados de aprendizaje automático o machine learning que se acelerarán usando plataformas hardware de alto rendimiento. Se partirá de algoritmos de clasificación supervisada para identificar el tipo de tumor y de clasificación no supervisada para detectar sus bordes.
Para la aceleración de los algoritmos se identificarán sus cuellos de botella, tanto en ejecución como en transacción de datos, y se realizará una partición hardware/software usando microprocesadores y circuitos de aplicación específica tales como FPGAs, GPUs, etc. Se persigue de esta forma ayudar al neurocirujano en la compleja tarea de conocer el tipo de tumor al que se enfrenta sin tener que esperar al análisis patológico intra-quirúrgico, que suele suponer una demora importante durante las operaciones. Al mismo tiempo, es una fuente de información importante para delimitar de forma más precisa los bordes del tumor identificado.
La extracción precisa del tumor evita la resección excesiva del tejido sano circundante al tiempo que asegura la no recurrencia del tumor por dejar de forma accidental (o por la imposibilidad de distinguirlo del tejido sano) tejido tumoral de pequeño tamaño. Frente a otras técnicas como el ALA-5, la naturaleza no invasiva y no ionizante de las imágenes hiperespectrales resulta totalmente inocua para el paciente, independientemente de su edad o cualquier otro condicionante físico. La experiencia previa de los grupos de investigación involucrados en este proyecto indica que la imagen hiperespectral proporciona una información suficiente para poder diferenciar entre tejido sano y tumor, y para detectar los bordes de los tumores de alto grado de forma precisa. Este proyecto, además de indicar la existencia del tumor, desarrollará una técnica novedosa que permita realizar una clasificación siguiendo las recomendaciones de la OMS. En este proyecto se combinarán imágenes macroscópicas y microscópicas, cuya correlación para tumores cerebrales no se ha realizado todavía en el estado del arte.
Para la aceleración de los algoritmos se identificarán sus cuellos de botella, tanto en ejecución como en transacción de datos, y se realizará una partición hardware/software usando microprocesadores y circuitos de aplicación específica tales como FPGAs, GPUs, etc. Se persigue de esta forma ayudar al neurocirujano en la compleja tarea de conocer el tipo de tumor al que se enfrenta sin tener que esperar al análisis patológico intra-quirúrgico, que suele suponer una demora importante durante las operaciones. Al mismo tiempo, es una fuente de información importante para delimitar de forma más precisa los bordes del tumor identificado.
La extracción precisa del tumor evita la resección excesiva del tejido sano circundante al tiempo que asegura la no recurrencia del tumor por dejar de forma accidental (o por la imposibilidad de distinguirlo del tejido sano) tejido tumoral de pequeño tamaño. Frente a otras técnicas como el ALA-5, la naturaleza no invasiva y no ionizante de las imágenes hiperespectrales resulta totalmente inocua para el paciente, independientemente de su edad o cualquier otro condicionante físico. La experiencia previa de los grupos de investigación involucrados en este proyecto indica que la imagen hiperespectral proporciona una información suficiente para poder diferenciar entre tejido sano y tumor, y para detectar los bordes de los tumores de alto grado de forma precisa. Este proyecto, además de indicar la existencia del tumor, desarrollará una técnica novedosa que permita realizar una clasificación siguiendo las recomendaciones de la OMS. En este proyecto se combinarán imágenes macroscópicas y microscópicas, cuya correlación para tumores cerebrales no se ha realizado todavía en el estado del arte.