Automatic identification and characterization of white matter lesions in the brain using volumetric magnetic resonance images

Autor(es)

Mariana Pinheiro Bento

• Tipo de documento: Tese de Doutorado
• Imprenta: Campinas, SP.
• Instituição: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação
• Data de defesa: 2016-12-21

Membros da banca

Leticia Rittner; Ana Maria Marques da Silva; Paulo Manzzoncini de Azevedo Marques; Romis Ribeiro de Faissol Attux; Gabriela Castellano

• Orientador: Leticia Rittner

Resumo

As lesões na substância branca do cérebro podem causar déficit funcional significativo e são comumente relacionadas com doenças psiquiátricas ou neurológicas. A análise dessas lesões é realizada manualmente por especialistas em imagens de ressonância magnética, e representa uma tarefa não-trivial, custosa e subjetiva. Dessa forma, este trabalho propõe desenvolver e validar métodos para identificação e caracterização de tecidos lesionados na substância branca do cérebro, possibilitando o diagnóstico e companhamento de pacientes ao longo do tempo, através de métricas estruturais extraídas das lesões previamente identificadas, utilizando imagens de ressonância magnéticas ponderadas em T2. A identificação tem por objetivo distinguir regiões normais de regiões lesionadas, independente do local, tamanho ou etiologia das lesões. A caracterização tem por objetivo analisar as lesões de acordo com sua etiologia: isquêmica ou desmielinizante. As metodologias desenvolvidas combinam técnicas nas áreas de processamento de imagens e de reconhecimento de padrões, como quantização, normalização, análise bidimensional e tridimensional de textura (estatísticas do histograma, matriz de co-ocorrência, matriz de comprimento de corrida, padrões binários locais e gradientes), morfologia matemática, seleção de atributos e classificadores supervisionados, como support vector machines, k-vizinhos mais próximos e análise discriminante linear. Este projeto visa também construir uma base de imagens contendo dados adquiridos em vários centros de pesquisa, apresentando lesões com diferentes etiologias (isquêmica e desmielinizante), de tamanhos e localizações variados. Experimentos realizados com essa base avaliaram não apenas a acurácia e eficiência dos métodos desenvolvidos, mas também a sua robustez para processar imagens com diferentes parâmetros de aquisição e lesões com características variadas, observadas em pacientes com diferentes diagnósticos, como Esclerose Múltipla, Acidente Vascular Cerebral, Lúpus Eritematoso Sistêmico e Esclerose Sistêmica. Os métodos desenvolvidas apresentam funcionalidades que possibilitam seu uso em ambiente clínico: pouca ou nenhuma interação com o usuário e resultados competitivos e não limitados a uma doença específica, como os apresentados na literatura. O método de classificação proposto alcançou acurácia maior do que 90% na distinção de lesões pela etiologia, e o método proposto de segmentação automática de lesões apresentou coeficiente Dice médio de aproximadamente 0.7 na análise da base de dados multicêntricos (AU)