Segmentação de lesões de esclerose múltipla em imagens de ressonância magnética via análise de textura guiada por um mapa de hiperintensidades

• Processo: 19/23198-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2020
• Data de Término da vigência: 31 de janeiro de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Fernanda Carolina Ferreira
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Assunto(s): Esclerose múltipla Sistema nervoso central Segmentação de imagens Ressonância magnética Diagnóstico por imagem Delineamento experimental
• Palavra(s)-Chave do Pesquisador: Atributos de Textura | Esclerose Múltipla | Mapa de Hiperintensidades | Ressonância Magnética | segmentação de imagens | Processamento de Imagens Médicas

Resumo

A Esclerose Múltipla (EM) é uma doença inflamatória multifatorial que afeta o Sistema Nervoso Central (SNC) e atinge principalmente uma população de adultos jovens. A EM é considerada uma doença autoimune pois, por alguma razão ainda desconhecida, o sistema imunológico agride a bainha de mielina que recobre os neurônios, comprometendo as funções do SNC. A técnica de ressonância magnética (RM) tem sido usada com muito sucesso no diagnóstico e monitoramento da EM, pois permite uma boa diferenciação entre os tecidos moles. O volume de carga lesional em EM determinado em imagens T2-weighted (T2-w) ou fluid-attenuated inversion recovery (FLAIR), é uma medida quantitativa importante usada para avaliar a evolução da doença. O método convencional de medição do volume da carga lesional é usando o delineamento manual das lesões em imagens de RM realizada por especialistas com ajuda de um computador. Esta pesquisa visa o desenvolvimento de um método automático de segmentação de lesões de EM em imagens de RM que utilizará atributos de textura, extraídos de regiões de lesões anotadas por um especialista, para o treinamento de um classificador supervisionado one-class Support Vector Machine (SVM). O classificador estimado será então usado para classificar apenas voxels localizados em regiões hiperintensas de imagens FLAIR, indicadas por uma mapa de hiperintensidades resultante de um trabalho recentemente realizado pelo nosso grupo de pesquisa. Tal mapa, contém as lesões de EM que, em geral, são hiperintensas em imagens FLAIR, além de outras estruturas hiperintensas, as quais espera-se que sejam descartadas via classificação por textura. Os resultados do método desenvolvido serão comparados quantitativamente com as marcações de dois especialistas e com os resultados de outros dois softwares.