Desarrollo de técnicas computacionales para la detección de cambios morfológicos cerebrales

• Autores: Kulsgaard, Hernán Claudio
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: Larrabide, Ignacio
• Materia: MIBV; Morfométricos cerebrales; Resonancia magnética; Técnicas computacionales; Esclerosis hipocampal; Tesis de doctorado
• Institución: Universidad Nacional del Centro de la Provincia de Buenos Aires

La morfometría individual basada en voxel (MIBV) es una técnica para el estudio de cambios morfométricos cerebrales a partir de imágenes de resonancia magnética. Su principal ventaja sobre la morfometría basada en voxel clásica (MBV) es que permite estudiar a los sujetos de manera individual. Sin embargo, su aplicabilidad se ve limitada por la gran cantidad de falsos positivos que produce. Por esta razón, sus aspectos de configuración no han sido estudiados tan exhaustivamente como en MBV. Para abordar esta problemática, primero se realizo un estudio de MIBV sobre sujetos sanos para analizar los falsos positivos y la influencia del tamaño de grupo control y núcleo de suavizado. Segundo, se evaluó la sensibilidad de MIBV sobre sujetos con atrofias simuladas en distintas regiones y tamaños, analizando la influencia del nucleó de suavizado. Tercero, se estudio la sensibilidad y especificidad de MIBV sobre pacientes con esclerosis hipocampal. Cuarto, se desarrollo una metodología basada en aprendizaje de maquina para la reducción de falsos positivos. Se concluyo que los aspectos de configuración de MIBV son determinantes para el rendimiento en la detección de cambios morfológicos. Se pudieron determinar los lımites de rendimiento de MIBV. Finalmente, se demostró que es posible reducirlos falsos positivos, preservando los verdaderos positivos mediante aprendizaje de maquina.
Fil: Kulsgaard, Hernán Claudio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Larrabide, Ignacio. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Exactas; Argentina.
Single Subject Voxel Based Morphometry (SS-VBM) is a methodology for the analysis of brain morphological changes using magnetic resonance imaging. Unlike classic VBM, this technique allows single case studies. However, its applicabilityis limited by the excessively large number of false positives that produces. Forthat reason, its configuration aspects have not been studied as exhaustively as inVBM. To address this issue, first, a SS-VBM study was conducted on healthy subjects to analyze false positives and the influence of control group and smoothing kernelsize. Second, the sensitivity of SS-VBM was evaluated on subjects with simulated atrophies in different regions and sizes, analyzing the influence of the smoo thing kernel. Third, the sensitivity and specificity of SS-VBM was evaluated on patientswith hippocampal sclerosis. Fourth, a methodology based on machine learning was developed for the reduction of false positives. The configuration aspects in SS-VBM were shown to be a crucial factors for the detection performance of morphological changes. In addition, the performancelimits of the methodology could be determined. Finally, it was shown that it ispossible to reduce false positives while preserving true positives using machinelearning.