Juan Manuel Auñón Rodríguez Trabajo Fin de Grado Segmentación de sub-estructuras corticales del cerebro humano desde imágenes T1-MR (Parte I) Juan Manuel Auñón Rodríguez Trabajo Fin de Grado

INTRODUCCIÓN 1.1 Motivos del estudio. 1.2 Objetivos. 1.3 Estructura del proyecto.

“La enfermedad del s. XXI” 1.1 Motivos del estudio “La enfermedad del s. XXI” 47,5 millones de afectados en todo el planeta; 7,7 millones de nuevos casos al año (OMS). En España: 4,2 % (65 - 74 años). 12,5 % (75 - 84 años). 27 % (+ 85 años).

“Demencia. Una prioridad de salud pública”, Organización Mundial de la Salud (OMS) y la Asociación Internacional de Alzheimer (ADI)

“Demencia. Una prioridad de salud pública”, Organización Mundial de la Salud (OMS) y la Asociación Internacional de Alzheimer (ADI)

ORGANISMOS, FUNDACIONES, COLABORADORES Fundación Reina Sofía: 4.775.250 euros desde 2008 para proyectos de investigación sobre la enfermedad. Fundación Cien: Impulsoras del “Proyecto Vallecas”. Proyecto Know Alzheimer. Organización Mundial de la Salud (OMS). Asociación Internacional del Alzheimer (ADI).

1.2 Objetivos del Proyecto. Objetivo claro: Desarrollo de aplicación software para proporcionar un diagnóstico precoz que vaticine el riesgo de evolución de personas cognitivamente sanas hacia el deterioro cognitivo leve y demencia, particularmente Alzheimer.

1.3 Estructura del Proyecto. Capítulo 1: Introducción. Capítulo 2: Estado de la técnica (Shiva et al. 2010, Leung et al. 2011, Stein et al. 2012, Ramírez et al. 2011). Capítulo 3: Extracción del cráneo (BET y ENIGMA).

1.3.1 Diagrama de flujo

Descripción del proceso de extracción del cráneo BET y ENIGMA

2. Cálculo del volumen intracraneal (ICV) 2.2 ENIGMA. 2.3 BET. 2.4 FAST. 2.5 RESULTADOS.

2.1 Volumen Intracraneal (ICV) Cierto grado de implicación con el desarrollo de determinadas enfermedades neurodegenerativas (Shiva et al. 2010, Stein et al. 2012). ICV = Volumen Materia Blanca + Volumen Materia Gris. Es poco vulnerable a cambios patológicos. Objetivo: aplicación robusta e insensible para el cálculo de ICV del paciente (Imágenes de pacientes del Proyecto Vallecas).

Proyecto Vallecas Proyecto desarrollado por la Fundación Reina Sofía y la Fundación Cien, para la investigación de la enfermedad del Alzheimer. Volumen de imágenes tratadas: 53 son pacientes sanos o “pacientes de control”. 39 son pacientes con deterioro cognitivo leve (MCI) amnésico diagnosticado. 58 son pacientes con deterioro cognitivo leve amnésico de múltiples dominios diagnosticado. 13 son pacientes con la enfermedad del Alzheimer diagnosticada.

“Enhancing Neuro Imaging Genetics through Meta-Analysis” 2.2 ENIGMA “Enhancing Neuro Imaging Genetics through Meta-Analysis” Red de investigadores expertos en genómica de imagen, neurología y psiquiatría, con el fin principal de comprender el cerebro. Finalidad: crear red de personas con intereses comunes e impulsar este campo. asegurar resultados y replicarlos a la comunidad. compartir información. formación de usuarios: talleres y conferencias.

2.2.1 Método de trabajo Etapas de trabajo para cálculo de ICV: Chequeo para detectar posibles errores en traslación y rotación. Siguiendo el protocolo ENIGMA: Extracción gruesa del cráneo: BET, estableciendo centro de gravedad (‘- c’)y valor para el umbral (‘- f') en 0.25. 3. Corrección del campo de intensidades en la imagen: FAST, generando salida corregida (‘- b’) y evitando que se cree una estimación del volumen parcial de la imagen (‘-- nopve’). Aplicamos la corrección sobre la imagen original. 4. Extracción más precisa: BET, estableciendo centro de gravedad (‘- c’) y valor para el umbral (‘- f') en 0.3, 0.35 y 0.4.

2.2.1 Método de trabajo 5. Transformación inversa al sujeto de referencia MNI 152: FLIRT, con opciones: - in: volumen de entrada. - ref: volumen de referencia. - omat: se guarda la matriz 4x4 que realiza el registro afín de la entrada al volumen de referencia. 6. Corrección de bias con FAST (sin opciones) 7. Creación de lista con los datos del ICV para cada paciente.

Código Protocolo ENIGMA (página oficial: http://enigma. ini. usc for subj_id in `cat list_subjects.txt` ; do bet ${SUBJECTS_DIR}/${subj_id} ${SUBJECTS_DIR}/${subj_id}_braintmp -f 0.2 fast -b --nopve ${SUBJECTS_DIR}/${subj_id}_braintmp fslmaths ${SUBJECTS_DIR}/${subj_id} -div ${SUBJECTS_DIR}/${subj_id}_braintmp_bias ${SUBJECTS_DIR}/${subj_id}_biascorrected bet ${SUBJECTS_DIR}/${subj_id}_biascorrected ${SUBJECTS_DIR}/${subj_id}_brain -f 0.3 done flirt -in ${SUBJECTS_DIR}/${subj_id}_brain -ref ${T_brain} -omat ${SUBJECTS_DIR}/${subj_id}_brain_to_T_brain.mat fast ${SUBJECTS_DIR}/${subj_id}_brain echo "subj_id,eTIV_FLIRT,FASTvol_noCSF" > global_size_FSL.csv eTIV=`./mat2det ${SUBJECTS_DIR}/${subj_id}_to_T_brain.mat | awk '{ print $2 }'` volGM=`fslstats ${SUBJECTS_DIR}/${subj_id}_brain_pve_1 -V -M | awk '{ vol = $2 * $3 ; print vol }'` volWM=`fslstats ${SUBJECTS_DIR}/${subj_id}_brain_pve_2 -V -M | awk '{ vol = $2 * $3 ; print vol }'` voltissue=`expr ${volGM} + ${volWM}` echo "${subj_id},${eTIV},${voltissue}" >> global_size_FSL.csv

2.3 BET “Brain Extraction Tool” Algoritmo de extracción del cráneo implementado en la biblioteca software FSL. Funcionamiento: Modelo de superficies deformables que empieza encontrando el centro de gravedad y tesela la superficie del cerebro por medio de triángulos conectados (Clark et al., 2006). Comando: bet <input file> <output file> [options]

“FMRIB's Automated Segmentation Tool” 2.4 FAST “FMRIB's Automated Segmentation Tool” Paquete implementado en FSL para corregir la polarización del campo. Funcionamiento: El algoritmo consiste en la combinación del modelo de Campos Aleatorios Ocultos de Markov y el algoritmo EM para resolver los problemas de falta de homogeneidad. Comando fast [options] <file (s)>

2.5 Resultados Debido a defectos en la posición de la imagen de ciertos pacientes, quedaron excluidos en un principio del análisis. Con ayuda de una matriz de confusión se discriminan los 4 grupos de pacientes mencionados anteriormente. Este es el resultado obtenido tras repetir 100 veces la clasificación: 0.7070 0.1462 0.0875 0.0593 0.3991 0.1686 0.1155 0.3168 0.2738 0.1911 0.2060 0.3290 0.0282 0.2002 0.2390 0.5327 Mientras, con FreeSurfer se obtuvieron los que se muestran a continuación: 0.6826 0.1538 0.0644 0.0992 0.3738 0.1613 0.1847 0.2801 0.2214 0.1947 0.2864 0.2974 0.1683 0.2103 0.2817 0.3397

2.5 Resultados: Ejemplo paciente id_021 Imagen inicial

Primer skull stripping 2.5 Resultados: Ejemplo paciente id_021 Primer skull stripping

FAST: corrección de bias 2.5 Resultados: Ejemplo paciente id_021 FAST: corrección de bias

FAST: cerebro segmentado corregido 2.5 Resultados: Ejemplo paciente id_021 FAST: cerebro segmentado corregido

Corrección de bias sobre la imagen inicial 2.5 Resultados: Ejemplo paciente id_021 Corrección de bias sobre la imagen inicial

Segmentación con umbral 0.3 2.5 Resultados: Ejemplo paciente id_021 Segmentación con umbral 0.3

Segmentación con umbral 0.35 2.5 Resultados: Ejemplo paciente id_021 Segmentación con umbral 0.35

Segmentación con umbral 0.4 2.5 Resultados: Ejemplo paciente id_021 Segmentación con umbral 0.4

Cuestiones, preguntas, dudas...