Procedimiento de caracterización y clasificación de cálculos renales,

que comprende las siguientes etapas:

(a) se toman una pluralidad de muestras de cálculos renales y se cortan para observar su interior, obteniendo una superficie lo más plana posible, (b) se aplica la técnica de Formación de Imágenes Hiperespectrales (HSI) obteniendo los espectros de los cálculos renales anteriormente cortados, seleccionando una pluralidad de Regiones de Interés (ROI) y analizando la imagen a través de Análisis de Componentes Principales (PCA)

(c) se identifican las especies principales mediante Análisis de Factores (FA)

(d) se identifican valores atípicos a través de Análisis de Componentes Principales (PCA)

(e) se analizan los diferentes tipos de cálculos renales a través de un Análisis de Componentes Principales (PCA)

(f) a los datos obtenidos del Análisis de Componentes Principales (PCA) se aplica la técnica de Redes Neuronales Artificiales (ANN) para su clasificación.

Procedimiento de caracterización y clasificación de cálculos renales

Objeto de la invención

La presente invención trata de un procedimiento de caracterización y clasificación de cálculos renales, a través del análisis por la Formación de Imágenes Hiperespectrales (HIS) y las Redes Neuronales Artificiales (ANN) , permitiendo altas velocidades en las mediciones, y no necesitando de gran preparación previa de las muestras iniciales.

Antecedentes de la invención

La formación de piedras en el riñón es una enfermedad que afecta a un porcentaje considerable de la población. Pueden encontrarse una diversidad de sustancias como compuestos principales en los cálculos renales; por lo tanto, su caracterización es de enorme importancia para encontrar las causas de este problema. En este sentido, el análisis de la composición y de la estructura de la piedra pueden proporcionar información clave sobre las condiciones de la orina durante el crecimiento del cristal.

Se han realizado muchos estudios en este campo, básicamente dirigidos a la reducción de los índices de incidencia y al aumento de la calidad de vida de los pacientes que la padecen, recortando al mismo tiempo los costes médicos para tratamientos relacionados y cirugía. Un estudio cuidadoso de la estructura de la piedra renal expulsada puede proporcionar información clave sobre el proceso de formación de la piedra y las condiciones de la orina durante el crecimiento del cristal. Por lo tanto, analizando específicamente el núcleo y la corteza externa de la muestra, es posible determinar el compuesto que sirve como núcleo de precipitación y las sustancias que precipitan después.

Se han desarrollado hasta la fecha muchas metodologías para la clasificación de las piedras renales. Las más extendidas son el examen de las piedras renales por microscopía estereoscópica y análisis de IR. La primera tiene la ventaja principal de que permite la identificación de diferentes sustancias en toda el área de la muestra, de modo que es posible determinar en su totalidad las características morfológicas de la piedra. Sin embargo, esta metodología es pesada y, más significativamente, altamente dependiente de los conocimientos del operario. Respecto a las metodologías de IR desarrolladas, requieren la molienda de la muestra, proceso por el cual el análisis espacial de la muestra pierde cualquier significado.

Además, se han llevado a cabo hasta la fecha algunos estudios de la estructura de las piedras renales, incluyendo otras técnicas tales como NIR, Microscopía Electrónica de Barrido – Espectroscopía de Rayos X de energía Dispersiva (SEM-EDS) e incluso difracción de rayos X. La espectroscopia en el NIR muestra un buen funcionamiento para la determinación de la composición de los cálculos renales, e incluso de cuantificación para mezclas. No obstante, esos trabajos requieren todavía cierto pretratamiento de la muestra, lo que hace que el análisis no sea práctico de aplicar en un hospital.

Descripción de la invención

La invención que aquí se describe trata de un nuevo procedimiento de caracterización y clasificación de cálculos renales, basado en la Formación de Imágenes Hiperespectrales, para el estudio de dichas piedras en el riñón, en combinación con análisis a través de Redes Neuronales Artificiales (ANN) . Los espectros de reflectancia en el NIR de las piedras analizadas muestran diferencias significativas que pueden usarse para su clasificación. También se evaluó la posibilidad de usar Redes Neuronales Artificiales para la clasificación de los cálculos renales. Los resultados muestran más de un 90% de clasificación correcta para todas las clases de piedras, incluyendo aquellas que son mezclas de compuestos. Estos prometedores resultados demuestran el buen funcionamiento de la metodología desarrollada y proporcionan nuevas perspectivas para mejorar la calidad de vida de los pacientes.

El procedimiento de caracterización de piedras en el riñón que aquí se describe utiliza la técnica de Formación de Imágenes Hiperespectrales o Formación de Imágenes Químicas (HSI) , que combina una cámara con un espectrómetro para permitir la captura de un espectro para cada píxel de la imagen adquirida, siendo entonces posible caracterizar la superficie completa de la muestra. En lo que se refiere a la importancia de la caracterización espacial de la muestra, la Formación de Imágenes Hiperespectrales o Formación de Imágenes Químicas (HSI) es muy útil para los objetivos de este trabajo, puesto que permite la caracterización de áreas realmente pequeñas en la superficie de la muestra. Además de la resolución espacial, la formación de imágenes hiperespectrales puede permitir altas velocidades para las mediciones, siendo necesaria una escasa preparación de la muestra. En esencia, la Formación de Imágenes Hiperespectrales o Formación de Imágenes Químicas (HSI) es una posibilidad interesante para analizar muestras de piedra renales en un hospital.

Para la gestión de la enorme cantidad de datos disponibles a partir de la formación de imágenes hiperespectrales son necesarias algunas técnicas quimiométricas. El Análisis de Componentes Principales (PCA) se usa habitualmente para explorar los datos sin procesar antes de la aplicación de una técnica de clasificación, tal como Redes Neuronales Artificiales (ANN) . Las Redes Neuronales Artificiales ANN muestran un número continuamente creciente de aplicaciones en muchos campos, puesto que pueden resolver satisfactoriamente problemas analíticos complejos. Aunque es simple en estructura, el amplio número de interconexiones en el interior de la estructura de la Red Neuronal Artificial (ANN) muestra un potencial interesante para cálculos. En realidad, ya se han usado Redes Neuronales Artificiales (ANN) en medicina con buenos resultados, incluso en urología, donde las aplicaciones principales han estado relacionadas con el diagnóstico del cáncer y otras enfermedades, aunque nunca se han usado para la clasificación de piedras renales.

El objetivo principal de este trabajo es evaluar la posibilidad de usar NIR-HSI y Redes Neuronales Artificiales (ANN) para la caracterización y clasificación de cálculos renales, ya que esto podría ser útil para el diagnóstico médico, mejorando la caracterización convencional realizada hasta ahora.

Así, el procedimiento propuesto para la caracterización de piedras en el riñón comprende las siguientes fases:

- Seleccionar una pluralidad de tipos de cálculos renales

- Cortar las piedras para ver la parte interna y obtener una superficie tan plana como fuera posible

- Se analizan dichas superficies de las piedras por HSI en combinación con Análisis de Factores (FA) , Análisis de Componentes principales (PCA) y Redes Neuronales Artificiales (ANN)

Las mediciones hiperespectrales se realizan usando una cámara espectral en el NIR que consiste en un espectrógrafo de formación de imágenes y una cámara. Funciona como una cámara de exploración en línea de tipo escoba que proporciona información espectral contigua completa para cada píxel en la línea. La cámara espectral está alojada en una plataforma de laboratorio para realizar la inspección de diferentes muestras. La plataforma está equipada con una cinta transportadora que permite el movimiento de partículas para que se adquieran los espectros, con un marco para sostener el sensor espectral y la fuente de luz, con una consola de control usada también como mesa de trabajo y un lugar para un ordenador digital y un monitor. El dispositivo está controlado por una unidad de PC equipada con un software de adquisición/preprocesamiento.

Los espectros de las muestras se miden fijándolos a un soporte de plástico con el lado interior hacia arriba, de modo que el núcleo sea visible para el detector, para minimizar el error en las mediciones que podrían causar las vibraciones que venían de la cinta transportadora.

El análisis de las piedras se realiza seleccionando una pluralidad de regiones de interés en la superficie de la muestra. Aunque este análisis de regiones de interés pierde la información para cada píxel individual, tiene dos ventajas principales. En primer lugar, al seleccionar algunas áreas en lugar de píxeles individuales, se está alisando la superficie de la muestra, ya que algunos píxeles podrían ser ligeramente diferentes del resto de la muestra. Esta diferencia puede explicarse atendiendo...

1. Procedimiento de caracterización y clasificación de cálculos renales, caracterizado porque comprende las siguientes etapas:

(a) se toman una pluralidad de muestras de cálculos renales y se cortan para observar su interior, obteniendo 5 una superficie lo más plana posible,

(b) se aplica la técnica de Formación de Imágenes Hiperespectrales (HSI) obteniendo los espectros de los cálculos renales anteriormente cortados, seleccionando una pluralidad de Regiones de Interés (ROI) y analizando la imagen a través de Análisis de Componentes Principales (PCA)

(c) se identifican las especies principales mediante Análisis de Factores (FA)

(d) se identifican valores atípicos a través de Análisis de Componentes Principales (PCA)

(e) se analizan los diferentes tipos de cálculos renales a través de un Análisis de Componentes Principales (PCA)

(f) a los datos obtenidos del Análisis de Componentes Principales (PCA) se aplica la técnica de Redes Neuronales Artificiales (ANN) para su clasificación.

2. Procedimiento de caracterización y clasificación de cálculos renales, según reivindicación 1, caracterizado porque para la obtención de los espectros a través de la técnica de Formación de Imágenes Hiperespectrales (HSI) , donde a través de una cámara combinada con un espectrógrafo de formación de imágenes se captura un espectro para cada píxel de imagen de la muestra adquirida, fijando las muestras de cálculos renales a un soporte con el lado interior hacia arriba para visualizar el núcleo a través de un detector.

FIG. 1

FIG. 2

FIG. 3

FIG. 4

FIG. 5

FIG. 6

FIG. 7

FIG. 8