Desarrollo de técnicas para el análisis automático de neuroimágenes y la detección de patologías neurodegenerativas

• Autores: Donnelly Kehoe, Patricio Andres
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Gomez, Juan Carlos; Nagel, Jorge Ricardo
• Materia: Neuroimágenes; Machine Learning; Enfermedades Neurodegenerativas; Procesamiento de Imágenes
• Institución: Consejo Nacional de Investigaciones Científicas y Técnicas

Las imágenes por resonancia magnética (MRI por sus siglas en inglés) se han constituido como una tecnología que permite estudiar múltiples características de los tejidos in-vivo. En el estudio del cerebro, permiten describir la anatomía, la bioquímica y los cambios metabólicos a lo largo del tiempo. Sin embargo, actualmente no es posible integrar esta información multi-dominio de una forma sistemática, y lo que es más importante, con herramientas que permitan usar esa integración de una forma cuantitativa. Es por ello, que esta tesis presenta el desarrollo y estudio de numerosas técnicas de procesamiento de neuroimágenes para lograr tecnologías robustas que puedan asistir en el diagnóstico y seguimiento de enfermedades neurodegenerativas. Primeramente, se presentan la bases conceptuales para la comprensión de los estudios realizados. Posteriormente, se presentan los desarrollos metodológicos en el procesamiento avanzado de neuroimágenes, a través de los cuales es posible extraer información cuantitativa de las imágenes sin la intervención de un operador. Se presenta un trabajo realizado como introducción a la temática en el cual se logró la eliminación de los tejidos extra-cerebrales en las neuroimágenes y se comparó con otros algoritmos disponibles para resolver ese proceso. Luego, se exponen desarrollos en las tres principales modalidades con las que se ha trabajado, específicamente la imagen estructural (3D T1), imágenes ponderadas por difusión (DWI) e imágenes funcionales (fMRI). Estos desarrollos incluyen la segmentación automatizada de estructuras anátomo-funcionales a través de operaciones basadas en vóxeles y superficies deformables; la extracción de información de la disposición de tractos a partir de las DWI con un especial énfasis en el preprocesamiento para obtener resultados confiables; y dos pipelines para fMRI (uno para el paradigma por bloques y otro para fMRI en reposo) para estudiar la organización funcional del cerebro. Los métodos desarrollados permiten la integración multimodal en el espacio nativo, es decir, utilizando como base de referencia el cerebro del propio sujeto en estudio y no un atlas promedio como la mayoría de las técnicas existentes. En este contexto, se utiliza la segmentación estructural para referenciar los resultados obtenidos a estructuras anatómicas y funcionales comunes entre sujetos, permitiéndose así el estudio tanto individual como de grupos. Posteriormente se presentan diferentes investigaciones, en las cuales este marco metodológico ha sido utilizado para resolver problemas y/o responder preguntas actuales en las neurociencias. A partir de ello se presentan: i) un trabajo sobre el uso de Análisis de Componentes Independientes en fMRI en reposo y la detección automática de redes de conectividad funcional; ii) un estudio de reproducibilidad en conectividad funcional y de cómo, mediante la aplicación de un modelo biofísico, se pueden generar métricas altamente consistentes; iii) se presentan dos trabajos sobre el estudio de la neuroanatomía mediante métodos automatizados en sujetos sanos, estudiando los patrones XI XII de normalidad a lo largo de la vida y también utilizando estos descriptores neuroanatómicos para la detección de la Enfermedad de Alzheimer en el marco de una competencia internacional; y iv) se muestra, en un trabajo realizado en colaboración internacional con tres clínicas especializadas en la detección de demencias, cómo las métricas neuroanatómicas y funcionales pueden ser utilizadas de forma combinada en el diagnóstico de demencia frontotemporal. Finalmente, se presentan conclusiones y proyecciones, haciéndose un balance del recorrido realizado durante el desarrollo de la tesis. Luego se describen proyectos en marcha, que profundizan los estudios presentados, los cuales incluyen (1) mejorar el diagnóstico y detectar el estadío funcional en enfermedades neurodegenerativas, (2) ampliar su uso para la obtención de medidas en múltiples escalas espaciales y (3) aplicar las técnicas en el diagnóstico diferencial, es decir, para diferenciar entre distintas patologías con presentaciones clínicas similares.
Magnetic resonance imaging (MRI) has become one of the most important technologies to study invivo tissue properties. In the study of the brain, MRI allows to describe the anatomy, the biochemistry and themetabolic changes over time. Nevertheless, there are no tools to integrate thesemulti-domain information in a systematic way and, more importantly, in a quantitative way. Therefore, this thesis presents the development and research of many neuroimage processing techniques to accomplish robust technologies in the diagnosis and follow-up of neurodegenerative diseases. In first place, conceptual bases are presented to facilitate understanding later studies. Then, the methodological developments in the advance neuroimage processing are shown, in which no operator intervention is needed for the extraction of MRI-based features. An introductory work is presented in which a brain extraction tool was developed and compared with other publicly available algorithms with the same functionality. Then, processing pipelines for the three main modalities used along this work are presented, viz structural MRI (sMRI), di usion weighted imaging (DWI) and functional MRI (acfMRI). These developments include the automated segmentation of anatomo-functional structures in the brain based on voxel-based operations and deformable meshes; data extraction about the white matter tracts in the brain using DWI with a special emphasis in the preprocessing stage to ensure reliable results; and two fMRI pipelines are proposed to study the functional organization in the brain, one for block-based paradigm and another for resting-state fMRI. These methods allow to unify all the information into a single high resolution native space, i.e. using the brain of the individual under study as referential base instead of an averaged brain atlas as most of the connectivity so ware packages do. In this context, the structural segmentation is used to reference anatomical and functional structures among di erent subjects, allowing the study of brain properties at single-subject level and group-level. Then, several research results are presented, in which this methodological framework was used to solve problems and/or to answer current questions in neuroscience. These studies are: i) a work in the automatic detection of resting state connectivity networks by using independent component analysis (ICA); ii) a research about reproducibility in resting state fMRI and how the usage of a biophysical model can help generating highly consistent metrics; iii) two works about the automatic extraction of neuroanatómical metrics using sMRI, the first one studying the evolution of these features in healthy subjects through lifespan and, the second one, performed within an international competition about the usage of these metrics in the detection of Alzheimer’s Disease; and iv) a work performed in collaboration with three international clinics specialized in dementia is presented in which features from sMRI and fMRI are combined to develop highly sensitive and specific multimodal classification systems for the diagnosis of frontotemporal dementia. Finally, conclusions and future works are presented, in which a general overview of all the advances made during this thesis is presented. Then, projections are shown, which include i) improvement in the diagnostic and the detection of the functional stage in neurodegenerative diseases, ii) extend the presented techniques for multiples spatial scales and iii) the usage of the framework in the di erential diagnosis to distinguish between di erent pathologies with similar clinical presentation.
Fil: Donnelly Kehoe, Patricio Andres. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas. Universidad Nacional de Rosario. Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas; Argentina