Seminario 21 de Noviembre 2023
Horario: 16:30 - 18:00
DAVID MARLEVI, PhD.
Título: 4D Flow MRI y estimación no invasiva de gradientes de presión
Resumen: La cuantificación regional de los gradientes de presión cardiovascular es fundamental para el diagnóstico, la planificación del tratamiento y la predicción del riesgo de muchas enfermedades cardiovasculares. Aún así, para una gran cantidad de afecciones, la evaluación no invasiva se ve obstaculizada por limitaciones inherentes al método, lo que deja una amplia gama de casos cardiovasculares en los que el comportamiento de la presión regional permanece inexplorado. Sin embargo, mediante la incorporación de imágenes por resonancia magnética de contraste de fase de campo completo (4D Flow MRI) y el análisis de imágenes basado en la física, ahora se están abriendo compartimentos que antes eran inaccesibles para la cuantificación hemodinámica, incluida la derivación de cambios de presión regionales. Esta charla presentará los desarrollos recientes en este espacio, utilizando métodos basados en datos para detectar cambios de presión en toda la cardiovasculatura y utilizando técnicas de superresolución para cuantificar el comportamiento en compartimentos clínicamente desafiados.
Biografía: David Marlevi es investigador e investigador principal del Karolinska Institutet (KI), en Estocolmo, Suecia. Después de graduarse del programa conjunto de doctorado en Tecnología Médica del Royal Institute of Technology (KTH) y KI con una tesis titulada “Imágenes no invasivas para mejorar la atención cardiovascular”, el Dr. Marlevi pasó dos años como becario postdoctoral en el Instituto de Massachusetts de Technology (MIT), liderando el trabajo sobre imágenes cuantitativas y evaluaciones intervencionistas intravasculares bajo la tutela del Prof. Elazer Edelman. En 2021, el Dr. Marlevi regresó a Suecia y a KI, liderando el trabajo sobre imágenes cardiovasculares traslacionales y utilizando métodos basados en datos para mejorar el diagnóstico, mejorar el pronóstico y proporcionar una comprensión mecanística fundamental de la enfermedad cardiovascular. En 2023, el Dr. Marlevi también recibió una subvención inicial del Consejo Europeo de Investigación (ERC), y ahora se están iniciando esfuerzos a gran escala para el desarrollo de imágenes por resonancia magnética de contraste de fase de campo completo (4D Flow MRI) para el mapeo hemodinámico funcional. a través del corazón, la aorta y el cerebro.
RODRIGO AVARIA, PhD(c)
Título: Un PINN robusto para modelar la función de respuesta hemodinámica en fMRI
Resumen: La resonancia magnética funcional (fMRI) ha demostrado su potencial para explorar el cerebro y la cognición. La base de la variación en la señal BOLD se modela a través de una función de respuesta hemodinámica (HRF), que se considera un marcador de integridad del acoplamiento neurovascular que involucra a múltiples actores como neuronas, células gliales y células epiteliales a través de mecanismos complejos. Existe interés clínico en evaluar la HRF en diversas condiciones, ya que se ha observado que varía y es sensible a diversas condiciones fisiológicas, como el envejecimiento y la diabetes, entre otras. A pesar de los avances en este campo, la estimación sólida del HRF sigue siendo un desafío; por lo tanto, es necesario desarrollar una metodología sólida para estimar el HRF.
Por otro lado, en los últimos años se han producido avances metodológicos que aprovechan el conocimiento previo de determinadas leyes físicas para "guiar" el aprendizaje automático, conocido como Redes Neuronales Informadas por la Física (PINN). Los PINN se caracterizan por su capacidad para integrar datos experimentales y operadores matemáticos abstractos, incluidas ecuaciones diferenciales, incluso en contextos inciertos, de alta dimensión y parcialmente comprendidos, o donde falta conocimiento físico y los datos son ruidosos o escasos.
Nuestra propuesta es utilizar PINN para una estimación sólida de la HRF, un marco que, basado en el modelo de globo propuesto para explicar las respuestas hemodinámicas cerebrales, demuestra su solidez en condiciones de baja relación señal-ruido, bajos campos magnéticos o disponibilidad limitada de datos. El modelo Balloon expresa la señal BOLD en función de dos variables de estado: volumen sanguíneo local y contenido de desoxihemoglobina, proponiendo un conjunto de ecuaciones para describir sus tasas de cambio en relación con el flujo sanguíneo local, el tiempo medio de tránsito, la fracción de extracción de oxígeno y el vaso. rigidez.
Biografía: Rodrigo es Licenciado en Matemática pura de la Universidad de Chile. Ha trabajado en Neurociencias Cognitivas y Computacionales. Actualmente es candidato a doctorado en el programa de doctorado en estadística de la Universidad de Valparaíso bajo la supervisión del profesor Rodrigo Salas y la cosupervisión del profesor Steren Chabert.
