Esquema computacional automático para segmentação e identificação de processo inflamatório agudo em lesões de esclerose múltipla sem uso de agente de contraste

• Processo: 16/15661-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de janeiro de 2017
• Data de Término da vigência: 30 de setembro de 2019
• Área de conhecimento: Engenharias - Engenharia Biomédica - Bioengenharia
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Paulo Guilherme de Lima Freire
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Esclerose múltipla Processamento de imagens Análise de textura
• Palavra(s)-Chave do Pesquisador: Análise de assimetrias dos hemisférios cerebrais | análise de textura | Esclerose Múltipla | Inflamação aguda em Esclerose Múltipla | Segmentação de imagens de RM | Segmentação de placas de esclerose múltipla | Processamento de Imagens Médicas

Resumo

Esclerose Múltipla (EM) é uma doença inflamatória e desmielinizante (isto é, com perda de mielina) do sistema nervoso central (SNC). É considerada uma doença autoimune a qual o sistema imunológico considera a bainha de mielina como um elemento estranho e então a ataca, resultando em inflamação e formação de cicatrizes gliais (escleroses) em múltiplas áreas da matéria branca do SNC. O imageamento multiespectral por ressonância magnética (RM) tem sido usado clinicamente com muito sucesso para o diagnóstico e monitoramento da EM devido às suas propriedades de alta resolução e boa diferenciação entre tecidos moles. Durante o exame de RM, é comum o uso de um agente de contraste à base de gadolínio (Gd) para o realce de lesões em estágio inflamatório, também chamadas de lesões ativas. A detecção e subsequente análise dessas lesões permitem a avaliação da eficácia do tratamento prescrito ao paciente, uma vez que possibilita a análise do quadro inflamatório da doença. Até recentemente, acreditava-se que o agente de contraste era eliminado completamente do organismo após alguns dias do exame, mas estudos recentes, publicados a partir de 2014, passaram a apontar o acúmulo de gadolínio em determinadas regiões do cérebro de pacientes que realizaram múltiplos exames de RM com injeção de contraste; caso esse de pacientes com EM. Os efeitos fisiológicos desse acúmulo ainda são desconhecidos pela comunidade científica, o que tem levantado sérias dúvidas quanto a continuidade da aplicação do gadolínio em pacientes. Dado isso, desde 2015 seu uso passou a ser recomendado apenas em casos de absoluta necessidade. Além do desconhecimento dos efeitos nocivos do gadolínio, o seu uso também aumenta o custo e duração dos exames de RM. Nesse sentido, este projeto de doutorado propõe o estudo e desenvolvimento de um método computacional automático para realizar a segmentação de lesões de EM de maneira robusta em imagens clínicas de RM, obtidas sem o uso do agente de contraste, e indicar, a partir da análise de textura das regiões das lesões segmentadas, quais delas se encontram em estágio inflamatório. Com isso, os exames de RM deixarão de oferecer risco de acúmulo de gadolínio - e seus consequentes efeitos nocivos -, além de agilizar e reduzir os custos dos exames. Para tal, modelos finitos de distribuições de probabilidade, atlas probabilísticos, análises de textura e assimetria cortical serão investigados e utilizados para este fim.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

FREIRE, PAULO G. L.; FERRARI, RICARDO J.. Multiple sclerosis lesion enhancement and white matter region estimation using hyperintensities in FLAIR images. Biomedical Signal Processing and Control, v. 49, p. 338-348, MAR 2019. (16/15661-0)

FREIRE, PAULO G. L.; IDAGAWA, MARCOS HIDEKI; LOBATO DE OLIVEIRA, ENEDINA MARIA; ABDALA, NITAMAR; CARRETE JR, HENRIQUE; FERRARI, RICARDO J.; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; et al. Classification of Active Multiple Sclerosis Lesions in MRI Without the Aid of Gadolinium-Based Contrast Using Textural and Enhanced Features from FLAIR Images. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT II, v. 12250, p. 15-pg., 2020-01-01. (18/08826-9, 16/15661-0)

FELINTO, JONAS DE CARVALHO; POLONI, KATIA MARIA; DE LIMA FREIRE, PAULO GUILHERME; AILY, JESSICA BIANCA; DE ALMEIDA, ALINE CASTILHO; PEDROSO, MARIA GABRIELA; MATTIELLO, STELA MARCIA; FERRARI, RICARDO JOSE; GERVASI, O; MURGANTE, B; et al. Automatic Segmentation and Quantification of Thigh Tissues in CT Images. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2018, PT I, v. 10960, p. 16-pg., 2018-01-01. (16/15661-0)