Otimização da segmentação e processamento de imagens do encéfalo com ênfase para lesões da substância branca

• Autor(a) principal: Senra Filho, Antonio Carlos da Silva
• Data de Publicação: 2017
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/59/59135/tde-10102017-153226/
• topic: Diffusion tensor imaging; Imagens por ressonância magnética; Imagens por Tensor de Difusão; Magnetic resonance imaging; Segmentação; Segmentation

Esclerose Múltipla (MS) é uma doença neurodegenerativa que tem ganhado grande atenção nas últimas décadas, sendo o diagnóstico por imagens de ressonância magnética (MRI) um grande aliado para a avaliação da doença.Porém, um dos principais desafios é garantir uma maior sensibilidade e especificidade para detecção de diferentes lesões no sistema nervoso central (CNS) e assim classificar as diferentes variantes da MS, auxiliando na tomada de decisão para o tratamento farmacológico. Nas últimas décadas, a técnica de imagens ponderadas por difusão (DWI), em especial a técnica de imagem por tensor de difusão (DTI), têm sido evidenciada com grande potencial para o estudo da MS, apresentando uma melhora significativa para a detecção de lesões sutis, ainda em estágios iniciais da MS. Desta forma, as técnicas de processamento de imagens estão em constante aprimoramento para que sejam adaptados às novas modalidades de aquisição de imagens. Neste estudo focamos o desenvolvimento de uma técnica de processamento digital de imagens multimodais a fim de proporcionar uma solução viável para a rotina de diagnóstico por imagem em MS. Um conjunto de 25 pacientes de uma variante de MS foi selecionado aleatoriamente do banco de imagens do HCFMRP. Três modalidades de imagens foram coletadas para a avaliação da segmentação automatica (T1, T2-FLAIR e DTI), assim como a segmentação manual do especialista para cada paciente. Três métodos de segmentação multimodal automática de lesões foram analisados (Bayesiano, Frequentista e Agrupamento) afim de analisar a sensibilidade e especificidade de detecção de lesões na substância branca aparentemente normal (NAWM). Os resultados sugerem que o método de segmentação Bayesiano apresenta maior robustes e precisão na definição tanto de lesões visivelmente contrastantes em T1 e T2-FLAIR (i.e. lesões hipo e hiperintensas) assim como lesões da NAWM evidentes nos mapas quantitativos de DTI (FA e ADC). O erro associado à técninca automática de segmentação ficou em torno de 1.51 +- 0.51 % do volume total de lesões marcadas pelo especialista. Concluímos que o uso de ferramentas multimodais de segmentação de imagens MRI alcançou patamares razoáveis de detecção de lesões de MS, tornando assim uma ferramenta computacional hábil para uso no diagnóstico clínico.