DaTrix

Datrix es una app web desarrollada con Python y Streamlit, orientada estudiantes de Ingeniería, Física Médica, Diagnóstico por Imágenes.

Consta de 3 módulos principales:

---

Álgebra y Análisis Númerico

Permite realizar:

• Operaciones con matrices
• Potencia, producto, suma por un escalar.
• Rango, transpuesta, determinante, inversa, autovalores y autovectores.
• Suma, resta, producto matricial. Producto, cociente bin a bin. Conmutador.
• Resolución de sistemas lineales, ajuste polnómico, ajuste exponencial, interpolación spline. Análisis de curvas, máximo y mínimo absoluto, integración, resolución de ecuaciones no lineales, análisis de Fourier.

Procesamiento de Imágenes

Herramientas:

Visualizador

• Imagen con ventaneo (como en imágenes de tomografía).
• Imágenes freme por frame.

Editor

• Rotación.
• Brillo y contraste.
• Filtrado espacial: suavizado, realce de bordes, matriz personalizada.
• Filtrado frecuencial: pasa bajos, pasa altos, gaussiano, pasa altos gaussiano, rampa, Parzen, Shepp-Logan, Hann, Hamming, Butterworth.
• Operaciones morfológicas: erosión, dilatación, apertura, cierre.
• Ecualización: global, adaptativa.

Calibrador

• Permite ingresar manualmente el valor de milímetros por píxel.
• Permite trazar una línea sobre la imagen e ingresar a cuantos milímetros equivale la línea.

Analizador

Histograma

• Permite visualizar histograma por canales, todos juntos, promedio o escala de grises.

Análsis de perfil de intensidad

• Permite anaizar por canales.
• Largo del perfil
• Distancias
• FWHM
• Máximo absoluto en una región rectangular.
• Mínimo absoluto en una región rectangular.
• Máxima intensidad.
• Mínima intensidad.
• Media del perfil.
• Integral (área bajo la curva).
• Resolución de ecuación f(x)=p.
• Análisis de Fourier.

Análisis de regiones de interés (ROI).

• Intensidad media en el ROI.
• Intensidad total en el ROI.
• Área del ROI.
• Diferencia de intensidad media entre ROIs.
• Diferencia de intensidad total entre ROIs.
• Operaciones entre imágenes, regiones: (fusión, intersección, sustracción).

Curvas ROI vs. tiempo para archivos multiframe (por ejemplo, en estudios dinámicos)

• Permite establecer tiempo por frame.
• Máximo y mínimo absoluto en una región rectangular de la curva.
• Integral (área bajo la curva).
• Resolución de ecuación f(x)=p.
• Análisis de Fourier.

Reconstrucción Tomográfica

Simulador de reconstrución tomográfica de fantomas matemáticos.

Métodos simulados

• Filtered Back Projection (FBP)
• Maximum Likelihood Expectation Maximization (MLEM)
• Ordered Subset Expectation Maximization (OSEM)
• Simultaneous Algebraic Reconstruction Technique (SART).

Modos disponibles

• Computed Tomography (CT)
• Single Photon Emission Computed Tomography (SPECT).

Parámetros configurables

• Ángulo inicial
• Ángulo final
• Paso angular
• Número de iteraciones
• Número de subsets
• Estimación inicial (FBP o imagen en blanco)
• Ruido
• Tratamiento del field of view (FOV)

Gráficos

• N-RMSE vs. número de iteración (con métodos iterativos)
• Log-likelihood vs. número de iteración (con MLEM y OSEM)

Figuras

• Imagen original sin ruido
• Imagen original con ruido
• Imagen reconstruida
• Imágenes con ventaneo (en modo TC)

Animaciones

• Gif de la reconstrucción (proyección a proyección con FBP, iteración a iteración con métodos iterativos)

Región de interés

• Comparación entre la misma ROI marcada en la imagen original y reconstruida.
• Diferencia de intensidad media.
• Diferencia de intensidad total.
• Error relativo.
• Gráfico del porcentaje de recuperación, diferencia de intensidad media y diferencia de intensidad total en función del número de iteración.

---

Capturas de pantalla

Álgebra

Operaciones con matrices

Ajustes y análisis de curva

Procesamiento de Imágenes

Visualizador

Editor

Calibrador

Análisis de Perfil

Curva ROI vs. tiempo

Reconstrucción Tomográfica

Ejemplo: modo SPECT, método FBP

---

Futuras actualizaciones

Inicio

• Descripción de cada módulo, tutoriales.

Reconstrucción tomográfica

• Se añadirá efecto de dispersión a la reconstrucción SPECT.
• Opción para incorporar correción de la atenuación y dispersión a los algoritmos MLEM y OSEM.
• Corrección de la atenuación post-reconstrucción a partir de un mapa de atenuación determinado por FBP.
• Corrección de la atenuación por el método de Chang.

---

Enlace a la app

👉 [Ir a app]: https://datrix.streamlit.app/

---

Tecnologías utilizadas

Este proyecto fue desarrollado en Python utilizando las siguientes bibliotecas:

• Streamlit v1.45.1 – Framework principal para crear la app web
• NumPy – Álgebra lineal y operaciones matriciales
• Matplotlib – Gráficos 2D y visualizaciones
• SymPy – Cálculo simbólico
• SciPy – Métodos numéricos (interpolación, ajuste, resolución de ecuaciones)
• scikit-image – Procesamiento de imágenes
• OpenCV (headless) – Edición y filtrado de imágenes
• Pillow – Manejo de imágenes (carga, guardado, conversión)
• Pydicom – Lectura y análisis de archivos DICOM
• ImageIO – Lectura de imágenes multiformato
• Pandas – Análisis y manipulación de datos
• XlsxWriter – Exportación de datos a archivos Excel .xlsx
• openpyxl – Lectura y edición de archivos Excel
• streamlit-drawable-canvas v0.5.2 – Herramienta para dibujar ROIs y anotaciones

---

Autor

David Fernández Basti

Técnico Universitario en Diagnóstico por Imágenes

Estudiante de Ingeniería Nuclear.