Imágenes médicas: ¿sería la CT un buen campo para ingresar para un matemático aplicado con un gusto por la computación GPU?

Estaría bien, pero creo que las reconstrucciones de TC son esencialmente un problema resuelto desde una perspectiva de ingeniería / clínica. Las imágenes de tomografía computarizada se reconstruyen y están listas para verse literalmente segundos a un minuto después de la adquisición. La resolución está en el nivel de micras y no está limitada por los algoritmos de reconstrucción sino por el detector, el binning y otras consideraciones de ingeniería. Sin duda, puede trabajar para mejorar los métodos existentes, pero la necesidad clínica / de investigación de nuevas iteraciones en el protocolo de CT existente es posiblemente de baja prioridad, especialmente en el desarrollo de la industria. Entonces, en mi opinión profesional muy limitada como ingeniero / investigador de bioimagen, creo que puede contribuir mucho más y tener un impacto mucho mayor en otros campos de imagen.

El campo actual en imágenes es el PET, y soy consciente de que muchos, si no la mayoría de los matemáticos aplicados, están probando suerte en este campo relativamente incipiente pero increíblemente activo. La resolución de la imagen sigue siendo pobre (nivel milimétrico) y la cuantificación de radiotrazadores es complicada incluso cuando nos acercamos a los límites del diseño de ingeniería. A algunos les parece que los algoritmos de reconstrucción mejorados son la forma de aprovechar adecuadamente las mejoras en la tecnología PET, como el tiempo de vuelo y el diseño del fotomultiplicador, que posiblemente aún no hayan sido explotados por las matemáticas. Los recientes e interesantes desarrollos de ingeniería en imágenes multimodales que combinan PET con otras técnicas como CT, MRI y ultrasonido [1] también plantean la cuestión de cómo los algoritmos de reconstrucción de imágenes podrían funcionar de manera más eficiente y efectiva con la información adicional. Paul Kinahan de la Universidad de Washington es uno de los principales expertos en el campo; puedes leer algunos de los trabajos de su grupo para tener una idea de cuál es el estado actual de la técnica [2,3].

Por lo tanto, ciertamente hay una escuela de pensamiento que cree que la reconstrucción de imágenes es el camino a seguir para la PET, pero no podría decir lo mismo para la TC.

[1] Respuesta del usuario de Quora a ¿Qué trabajos académicos publicados en la última década tendrán el mayor impacto? ¿Es posible identificar el trabajo seminal mientras está ocurriendo, antes de que se realice su verdadero impacto?
[2] http://iopscience.iop.org/0031-9…
[3] http://ieeexplore.ieee.org/xpl/f…

Si se aplica matemática, el mejor campo son las estadísticas de neuroimagen con fMRI. Descubre la conectividad del cerebro en base a pruebas funcionales para candidatos en estudios.

Este es uno de los documentos importantes: http://crl.med.harvard.edu/resea

Aquí hay un software importante, SPM:
http://www.fil.ion.ucl.ac.uk/spm/

Explorar herramientas por funcionalidad:
http://www.nitrc.org/

Algunos laboratorios de investigación interesantes:
http://masi.vuse.vanderbilt.edu/
http://crl.med.harvard.edu/resea
http://www.fil.ion.ucl.ac.uk/

Ankur