Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/321765
Type: TESE DIGITAL
Title: Automatic identification and characterization of white matter lesions in the brain using volumetric magnetic resonance images = Identificação automática e caracterização de lesões em substância branca no cérebro em imagens volumétricas de ressonância magnética
Title Alternative: Identificação automática e caracterização de lesões em substância branca no cérebro em imagens volumétricas de ressonância magnética
Author: Bento, Mariana Pinheiro, 1988-
Advisor: Rittner, Leticia, 1972-
Abstract: 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

Abstract: Lesions in the brain white matter can cause significant functional deficit, and are often related to psychiatric and neurological diseases. The analysis of these lesions is manually performed by specialists on magnetic resonance images, and represents a non-trivial, time-consuming and subjective task. This work aims to develop and to validate methods to perform the identification and characterization of lesions in the brain white matter, helping the specialists in diagnosis and follow-up of patients over time based on structural metrics extracted from identified lesions using T2-weighted magnetic resonance images. The identification aims to distinguish normal from lesioned regions, regardless of lesion location, size or etiology. The characterization aims to analyze lesions according to their etiology, ischemic or demyelinating. The developed methods combine techniques from image processing and pattern recognition, such as image quantization, normalization, two dimensional and three-dimensional texture analysis (statistics from histogram, co-occurrence matrix, run-length matrix, local binary pattern and gradients), mathematical morphology, feature selection and supervised classifiers, such as support vector machines, k-nearest neighbors and linear discriminant analysis. This research project also aims to construct a dataset containing images acquired on multiple research centers, presenting lesions with different etiologies, i.e. ischemic and demyelinating, with varying shape and location. Experiments performed in this dataset evaluated not only the accuracy and efficiency of the developed methods, but also their robustness to process images with different acquisition parameters, and lesions with varying characteristics, observed in patients with different diagnosis, such as Multiple Sclerosis, Cerebrovascular Accident, Systemic Lupus Erythematosus and Systemic Sclerosis. The developed method present requirements that make possible their usage in a clinical environment: minimal or no user interaction and competitive results, not limited to a specific disease as the other methods presented in the literature. The proposed classification method achieved accuracy rates higher than 90% to distinguish lesions according to their etiology, and the proposed method to perform automatic lesion segmentation presented an average Dice coefficient of 0.7 in the analysis of the multicenter dataset
Subject: Cérebro - Imagem de ressonância magnética
Substância branca - Lesões
Análise de textura em imagens
Reconhecimento de padrões
Editor: [s.n.]
Date Issue: 2016
Appears in Collections:FEEC - Dissertação e Tese

Files in This Item:
File SizeFormat 
Bento_MarianaPinheiro_D.pdf4.37 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.