Segmentação Automática de Lesões na Substância Branca na Doença de Alzheimer Usando SegFormer3D

• Processo: 25/07033-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 29 de julho de 2025
• Data de Término da vigência: 28 de novembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo José Ferrari
• Beneficiário: Yasmin Victoria Oliveira
• Supervisor: Roger Tam
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Instituição Anfitriã: University of British Columbia, Vancouver (UBC), Canadá
• Vinculado à bolsa: 23/15916-2 - Automatização da Escala de Atrofia Parietal de Koedam na Doença de Alzheimer Utilizando Atributos de Imagens de Ressonância Magnética T1-w e Técnicas de Agrupamento, BP.IC
• Assunto(s): Doença de Alzheimer Processamento de imagens
• Palavra(s)-Chave do Pesquisador: Doença de Alzheimer | Lesões na substância branca | processamento de imagens médicas | SegFormer3D | Segmentação Automátizada | Processamento de imagens médicas

Resumo

A Doença de Alzheimer (DA) é a principal causa de demência e é marcada por neurodegeneração progressiva e declínio cognitivo. Além de características clássicas como atrofia cortical e deposição de beta-amiloide, as lesões na substância branca (LSBs) surgiram como importantes biomarcadores de imagem que refletem uma complexa interação entre danos cerebrovasculares e mecanismos neurodegenerativos. As LSBs são não apenas prevalentes em indivíduos com DA, mas também fortemente associadas ao envelhecimento cerebral normal e patológico, frequentemente precedendo sintomas cognitivos evidentes. Sua presença e carga têm sido associadas a um declínio cognitivo acelerado, redução da conectividade cerebral e maior risco de progressão de comprometimento cognitivo leve para demência. Apesar de sua relevância clínica, a segmentação precisa das LSBs em imagens de ressonância magnética (MRI) continua sendo um desafio significativo. As LSBs exibem uma heterogeneidade substancial em sua aparência - variando em tamanho, forma, intensidade e localização anatômica - e são ainda mais complicadas pela variabilidade entre indivíduos, artefatos de aquisição e diferenças nos protocolos dos scanners, particularmente em estudos de larga escala ou multicêntricos. Esses fatores tornam os métodos de segmentação tradicionais e até mesmo alguns modernos propensos à inconsistência e com generalização limitada. Para lidar com essas limitações, este projeto propõe um pipeline de segmentação totalmente automatizado para LSBs usando o SegFormer3D, uma arquitetura baseada em transformadores leve, porém poderosa, otimizada para dados volumétricos de neuroimagem em 3D. O modelo foi projetado para oferecer segmentação precisa mantendo a eficiência computacional, tornando-o adequado para implantação tanto em ambientes de pesquisa quanto clínicos. Além disso, as LSBs segmentadas podem ser integradas a marcadores de neuroimagem já estabelecidos - como o Koedam Score para atrofia parietal, Atrofia Temporal Medial (MTA) e Atrofia Cortical Global (GCA) - para enriquecer a caracterização multidimensional da patologia da DA e do envelhecimento cerebral. Para entender melhor o comportamento do modelo diante de diferentes cargas de lesões, o desempenho da segmentação também será estratificado por tamanho de lesão, reconhecendo as dificuldades únicas impostas por lesões menores e mais sutis. Ao possibilitar uma quantificação robusta e escalável das LSBs, este trabalho visa aprimorar a precisão diagnóstica e facilitar o acompanhamento longitudinal da neurodegeneração, contribuindo, em última análise, para uma compreensão mais detalhada da interação entre carga vascular, envelhecimento e DA. (AU)