Visualización en neurociencia aplicando técnicas de renderizado no-fotorrealista (NPR)

• Autores: Florangela Mendoza Mendoza
• Directores de la Tesis: Luis Pastor Pérez (dir. tes.) , Susana Mata Fernandez (codir. tes.)
• Lectura: En la Universidad Rey Juan Carlos ( España ) en 2016
• Idioma: español
• Tribunal Calificador de la Tesis: Juan López Coronado (presid.) , Sofía Bayona Beriso (secret.) , Carlos Cerrada Somolinos (voc.) , Marcos Jose Garcia Lorenzo (voc.) , Luis Sánchez Rodríguez (voc.)
• Enlaces
  • Tesis en acceso abierto en:  TESEO  hdl.handle.net 
• Resumen

  • La necesidad de analizar sistemas complejos está presente en una amplia diversidad de disciplinas, desde la ciencia a la seguridad, y desde la economía a la neurociencia. En este último caso, existen dos razones detrás del enorme aumento en la complejidad de datos esperada para la siguiente década: en primer lugar, la disponibilidad de microscopios potentes que usan tecnologías tales como las estaciones de trabajo FIB-SEM CrossBeam, que permiten a los investigadores reducir drásticamente el tiempo requerido para recoger datos experimentales (de meses a horas). Y en segundo lugar, el desarrollo de programas de investigación tan ambiciosos como el Blue Brain (B.B.), la iniciativa BRAIN en EEUU o el Human Brain Project (HBP), que fomentan que los equipos de investigación de diferentes disciplinas unan esfuerzos para avanzar en el entendimiento del cerebro.

    La Humanidad siempre ha estado fascinada por el estudio del cerebro. En gran medida, ello ha sido debido a que existe un elevado coste personal, social, y económico asociado a sus enfermedades, así como al elevado coste de la investigación de los tratamientos para curarlas o paliar sus efectos, y al desarrollo de los medicamentos para tratarlas. Esto ha sido descrito en varios trabajos, que muestran por ejemplo que el coste total de las afecciones relacionadas con los desórdenes del cerebro ha sido estimado en 798 billones de euros en 2010 solamente en Europa. Adicionalmente, las enfermedades relacionadas con el cerebro se caracterizan por producir un elevado grado de incapacidad en las personas que las sufren, con las consecuencias que esto implica en su vida y en la de sus familiares. Una consecuencia de todo ello ha sido el continuo incremento de los recursos dedicados a la investigación del cerebro y a los tratamientos de las enfermedades cerebrales.

    Una de las causas de la dificultad del estudio del cerebro proviene de su complejidad: se estima que nuestro cerebro contiene aproximadamente 〖10〗^11 neuronas especializadas, con un elevadísimo grado de interconexión. Adicionalmente, el cerebro es un sistema que procesa información masiva, y para avanzar en su estudio es conveniente utilizar una jerarquía de diferentes niveles de organización, donde cada nivel en la jerarquía representa un incremento en la complejidad de la organización. Por tanto, el estudio del cerebro humano ha traído aparejado un enorme desafío humano y tecnológico, dado que en la actualidad todavía se carece de las herramientas necesarias para poder analizar y comprender su estructura y funcionamiento. En la actualidad, por una parte se cuenta con algunas herramientas sofisticadas para el análisis de tejido cerebral. Y poco a poco han ido apareciendo equipos y métodos de adquisición de imágenes cada vez más potentes, así como herramientas de análisis cada vez más sofisticadas. No obstante, algunas de estas técnicas tienen un gran coste computacional debido a la necesidad de almacenamiento, transmisión y procesamiento de grandes volúmenes de datos.

    Dentro de este marco de trabajo, la visualización 3D tiene mucho que ofrecer, puesto que los investigadores necesitan apoyo para realizar tareas complejas en grandes volúmenes de datos, como por ejemplo, detectar aspectos relacionados con variaciones en la morfología de las neuronas a través de diferentes especímenes, ensayos o regiones del cerebro o patrones neuronales en grandes escenarios. El desarrollo de nuevas estrategias de representación para estas escenas neuronales complejas puede facilitar el análisis e interpretación de imágenes, aumentando la productividad de los investigadores.

    La presente Tesis Doctoral aborda varias técnicas para mejorar la interpretación de datos tan complejos como las estructuras neuronales obtenidas en experimentos complejos a lo largo de grandes programas de investigación o utilizadas durante simulaciones a gran escala, incorporando estrategias de visualización basadas en técnicas de ilustración no fotorrealista (NPR). Las contribuciones de la Tesis incluyen tanto métodos para mejorar la interpretabilidad de escenarios neuronales densos como técnicas dirigidas hacia la reducción del coste computacional asociado a su visualización. Para ello se partió del análisis de algunas de las dificultades existentes a la hora de explorar visualmente imágenes que representan escenas neuronales densas, desarrollándose también técnicas de renderizado que parten de descripciones morfológicas compactas, obtenidas en los laboratorios de neurociencia mediante las técnicas de laboratorio de uso común en la actualidad.