Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo.
La esclerosis múltiple (EM) es una enfermedad neurodegenerativa que produce daño en el tejido cerebral, el cual se observa principalmente como anomalías de la materia blanca en imágenes de resonancia magnética (IRM). Estas regiones anómalas, denominadas lesiones, aparecen como regiones hiperintensas...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2013
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/436/1/1Rodrigo.pdf |
| Aporte de: |
| id |
I25-R131-436 |
|---|---|
| record_format |
dspace |
| institution |
Instituto Balseiro |
| institution_str |
I-25 |
| repository_str |
R-131 |
| collection |
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) |
| language |
Español |
| orig_language_str_mv |
es |
| topic |
Diagnóstico por imagen y medicina nuclear Neurociencias Multiple sclerosis Esclerosis múltiple Magnetic resonance Resonancia magnética Injuries Lesiones Brain Cerebro |
| spellingShingle |
Diagnóstico por imagen y medicina nuclear Neurociencias Multiple sclerosis Esclerosis múltiple Magnetic resonance Resonancia magnética Injuries Lesiones Brain Cerebro Rodrigo, Florencia L. Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| topic_facet |
Diagnóstico por imagen y medicina nuclear Neurociencias Multiple sclerosis Esclerosis múltiple Magnetic resonance Resonancia magnética Injuries Lesiones Brain Cerebro |
| description |
La esclerosis múltiple (EM) es una enfermedad neurodegenerativa que produce daño en el tejido cerebral, el cual se observa principalmente como anomalías de la materia blanca en imágenes de resonancia magnética (IRM). Estas regiones anómalas, denominadas lesiones, aparecen como regiones hiperintensas (brillantes) en IRM de cerebro.
En este trabajo se presenta un método totalmente automatizado para la segmentación y clasificación de lesiones de EM. El método propuesto consiste en un primer proceso de segmentación automática de tejidos cerebrales hiperintensos observados en imágenes de la serie de atenuación de fluido por recuperación inversa (FLAIR). Luego de la segmentación, se calcula un gran conjunto de características (o descriptores) que describen las regiones segmentadas en términos de intensidad, forma, ubicación y contexto anatómico.
Por lo tanto, a partir de una combinación de estas características, se entrenaron sistemas de aprendizaje como son el análisis discriminante, las redes neuronales y las máquinas de soporte vectorial, con el fin de poder clasificar regiones hiperintensas en nuevos estudios. Finalmente, la clasificación se llevó a cabo implementando métodos de conjunto, con el objetivo de optimizar los resultados de la clasificación.
La exactitud del enfoque propuesto se validó mediante la comparación de los volúmenes clasificados como lesión y la segmentación manual realizada por un radiólogo experto.
El resultado final de este proyecto de investigación fue un algoritmo de clasificación basado en sistemas inteligentes que permitió identificar la presencia de lesiones de Esclerosis Múltiple en una imagen médica de RM, con una validación superior al 90%.
De esta manera, se pretende transferir a la práctica clínica herramientas que permitan mejorar la calidad del diagnóstico, el tratamiento y la evolución del paciente, proporcionando objetividad y repetitividad en el análisis. |
| format |
Tesis NonPeerReviewed |
| author |
Rodrigo, Florencia L. |
| author_facet |
Rodrigo, Florencia L. |
| author_sort |
Rodrigo, Florencia L. |
| title |
Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| title_short |
Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| title_full |
Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| title_fullStr |
Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| title_full_unstemmed |
Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. |
| title_sort |
segmentación de lesiones de esclerosis múltiple en imágenes de rm de alto campo. |
| publishDate |
2013 |
| url |
http://ricabib.cab.cnea.gov.ar/436/1/1Rodrigo.pdf |
| work_keys_str_mv |
AT rodrigoflorencial segmentaciondelesionesdeesclerosismultipleenimagenesdermdealtocampo |
| _version_ |
1794277777318346752 |
| spelling |
I25-R131-4362014-04-10T17:55:39Z Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. Multiple sclerosis lesions segmentation in high field MRI. Rodrigo, Florencia L. Diagnóstico por imagen y medicina nuclear Neurociencias Multiple sclerosis Esclerosis múltiple Magnetic resonance Resonancia magnética Injuries Lesiones Brain Cerebro La esclerosis múltiple (EM) es una enfermedad neurodegenerativa que produce daño en el tejido cerebral, el cual se observa principalmente como anomalías de la materia blanca en imágenes de resonancia magnética (IRM). Estas regiones anómalas, denominadas lesiones, aparecen como regiones hiperintensas (brillantes) en IRM de cerebro. En este trabajo se presenta un método totalmente automatizado para la segmentación y clasificación de lesiones de EM. El método propuesto consiste en un primer proceso de segmentación automática de tejidos cerebrales hiperintensos observados en imágenes de la serie de atenuación de fluido por recuperación inversa (FLAIR). Luego de la segmentación, se calcula un gran conjunto de características (o descriptores) que describen las regiones segmentadas en términos de intensidad, forma, ubicación y contexto anatómico. Por lo tanto, a partir de una combinación de estas características, se entrenaron sistemas de aprendizaje como son el análisis discriminante, las redes neuronales y las máquinas de soporte vectorial, con el fin de poder clasificar regiones hiperintensas en nuevos estudios. Finalmente, la clasificación se llevó a cabo implementando métodos de conjunto, con el objetivo de optimizar los resultados de la clasificación. La exactitud del enfoque propuesto se validó mediante la comparación de los volúmenes clasificados como lesión y la segmentación manual realizada por un radiólogo experto. El resultado final de este proyecto de investigación fue un algoritmo de clasificación basado en sistemas inteligentes que permitió identificar la presencia de lesiones de Esclerosis Múltiple en una imagen médica de RM, con una validación superior al 90%. De esta manera, se pretende transferir a la práctica clínica herramientas que permitan mejorar la calidad del diagnóstico, el tratamiento y la evolución del paciente, proporcionando objetividad y repetitividad en el análisis. Multiple Sclerosis (MS) is a neurodegenerative disease that is associated with brain tissue damage primarily observed as white matter abnormalities referred as lesion. MS lesions appear as hyperintense (bright) regions in brain magnetic resonance imaging (MRI). In this study, a fully automated method for MS lesions segmentation and classification is presented. The method proposed consist on a prior automatic hyperintense brain tissues segmentation based on the fluid attenuated inversion recovery (FLAIR) image. Then, it produces a large set of features describing the regions segmented in terms of intensity, shape, location and anatomical context. Thus, having a combination of characteristics, learning systems, consisting of discriminant analysis, neural networks and support vector machines, were trained in order to be able to classify new studies. Finally, the classifiers were implemented under joint methods, aiming to optimize the classification results. The accuracy of the proposed approach was further validated by comparing the lesion volumes computed using the automated approach and lesions manually segmented by an expert radiologist. The final result of this investigation project is a classification algorithm based upon smart systems that allows identifying the presence of Multiple Sclerosis lesions in a medical MR image, with a validation result of over 90%. Hence, it was attempted to transfer tools allowing to improve the quality of the treatment and diagnosis, to the health processes, providing objectivity and repetitiveness to the analysis. 2013-12-20 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/436/1/1Rodrigo.pdf es Rodrigo, Florencia L. (2013) Segmentación de lesiones de esclerosis múltiple en imágenes de RM de alto campo. / Multiple sclerosis lesions segmentation in high field MRI. Maestría en Física Médica, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/436/ |