Sandra Rodríguez Rodrigo

Presentación del tema: "Sandra Rodríguez Rodrigo"— Transcripción de la presentación:

1 Sandra Rodríguez Rodrigo
Volumetría intracraneal y del hipocampo desde imágenes de resonancia magnética usando Freesurfer Sandra Rodríguez Rodrigo

2 INTRODUCCIÓN Frecuentemente asociados con cambios estructurales en el cerebro. Enfermedades neurodegenerativas Ciertos trastornos psiquiátricos Tanto las enfermedades neurodegerativas como ciertos trastornos psiquiatricos estan frecuentemente asociados con cambios estructurales en el cerebro. Estos cambios pueden ser desde variaciones en el volumen o forma de las regiones subcorticales as como alteraciones en el espesor o el area del cortex cerebral. Área Volumen

3 Volumen del hipocampo Puede ser crucial para el diagnóstico de enfermedades tales como el Alzheimer o la Esquizofrenia. El hipocampo se localiza en la parte interna del lóbulo temporal y desempeña principalmente funciones importantes en la memoria. Determinar si han existido cambios en el volumen de esta region puede ser crucial para el diagnostico de enfermedades tales como el Alzheimer o la Schizophrenia.

4 Estado de la técnica de la segmentación del hipocampo desde T1- MRI
Freesurfer Experimentación Existen numerosos software que permiten distinguir y estudiar las diferentes zonas que conforman el cerebro. En este TFG, nos centraremos en estudiar los métodos de fusión para el tratamiento de imágenes T1-MRI cuya segmentacion se basa en el registro de los atlas sobre la imagen del paciente. Y Freesurfer desde Linux, que permite funciones como la extracción del cerebro o el cálculo del volumen intracraneal. Se podría decir que se divide en una parte más matemática y otra más visual y experimental.

5 MÉTODOS DE FUSIÓN Fusión de etiquetas
Segmentaciones de múltiples atlas Atlas Se combinan Única segmentación Un atlas se dene como una imagen de la misma naturaleza que la que se quiere segmentar pero con la particularidad de contener tanto la localizacion como la relación espacial entre sus estructuras. Dado un atlas, la segmentaci¶on de una imagen, denominada objetivo, puede estimarse. Se ha demostrado que emplear multiples atlas mejora la calidad de la segmentacion ademas de reducir el error posiblemente existente. Para ello, cada atlas debe ser tratado de manera independiente aplicandole su correspondiente transformación de tal manera que como salida se obtengan diferentes imagenes segmentadas. La finalidad de ello es combinarlas, generando una unica segmentacion. Este proceso es denominado como fusion de etiquetas Fusión de etiquetas

6 MÉTODOS DE FUSIÓN GLOBALES LOCALES Majority Voting Weighted Voting
Generalized Local Weighted Voting STAPLE A lo largo de este captIulo, se desarrollaran algunos de los metodos de fusion de etiquetas que hacen esto posible los cuales, segun la literatura, podran clasicarse en dos grandes grupos. La diferencia principal entre ambas, es que las globales estiman la segmentación refiriéndose a toda la imagen mientras que las locales se centran en cada voxel.

7 Breve comparativa Estrategias locales Alto contraste Estrategias globales Intensidades similares No se puede determinar cuál es el óptimo para todos los casos. MV como STAPLE no utilizan la informacion que proporciona la imagen de origen (target image) como hacen otros metodos como WV, sino que se centran en los atlas. En conclusion, en realidad no se puede determinar cual es el optimo para todos los casos ya que ningun metodo es mejor que otro siempre sino que depende de las regiones que se traten y de las imagenes.

8 Skull-stripping Proceso de separar el cerebro (materia gris (GM) y materia blanca (WM)) de lo que no lo es (como por ejemplo el cráneo o la dura madre) Semi-automática Automática BET, BSE, MAPS, HWA.

9 Segmentación Tarea especialmente difícil, concretamente en imágenes T1-MRI. Bordes del hipocampo no siempre están totalmente definidos Calidad de la imagen Se puede realizar de forma manual o automática. DICE: medida más utilizada para evaluar la actuación de los algoritmos de segmentación Siendo 0 ninguna similitud y 1 máxima

10 Tratamiento de imágenes T1-MRI
PROYECTO VALLECAS Volumetría intracraneal Volumetría del hipocampo Volumetría Materia Gris ADNI Volumetría intracraneal Volumetría del hipocampo Volumetría Materia Gris DICE (Alzheimer's Disease Neuroimaging Initiative)

11 FREESURFER Software de código abierto para el procesamiento y análisis de imágenes de resonancia magnética MRI del cerebro humano. Skull-stripping Segmentaciones de estructuras corticales y subcorticales etc.

12 Espacio nativo Volúmenes y segmentaciones generados por Freesurfer no conservan el espacio nativo id_001.nii.gz Espacio normalizado FreeSurfer

13 Skull-stripping 1. Obtención de brainmask.mgz 2. Pasar al espacio nativo: … Este algoritmo proporciona una estimacion inicial robusta del volumen del cerebro gracias a la cual se puede establecer un modelo que se adapte a la supercie del cerebro. Ademas, se utiliza un atlas estadstico para validar y corregir la extraccion del cerebro.

14 . Aplicar el algoritmo watershed
Valor de h h > 25 si parte del cerebro se ha eliminado h < 25 si parte del cerebro queda sin eliminar . Leung  Utilización de -less

15 Volumetría intracraneal - ICV
Suma de materia gris (GM) y materia blanca (WM). Durante el proceso de ejecución de -less se imprime por pantalla. Se puede encontrar en el archivo aseg.stats (mri_segstats)

16 Volumetría del hipocampo
1. Obtención de aseg.mgz 2. Pasar al espacio nativo: … Hipocampo izquierdo: 17 Hipocampo derecho: 53

17 Volumetría Materia Gris
1. Obtención de ribbon.mgz 2. Pasar al espacio nativo -> Igual que en el caso anterior Archivo aseg.stats (mri_segstats)

18 Skull-stripped & Vol. intracraneal Segmentación & Vol. del hipocampo Vol. Materia gris

19 EXPERIMENTACIÓN PV brainmask.mgz id_001.nii.gz CONVERTIR A MGZ

20 brain.mgz id_001.nii.gz id_001.nii.gz

21 Comparación Variación h - less
Variando h Empleando -less

22 IMÁGENES ROTADAS id_004.nii.gz

23

24 Volumetría hipocampal
brain-in-rawavg.mgz aseg-in-rawavg.mgz

25 ETIQUETAS 17 Y 53

26 Materia Gris brain-in-rawavg.mgz ribbon-in-rawavg.mgz

27 RESULTADOS NUMÉRICOS PV

28 EXPERIMENTACIÓN ADNI ADNI_002_S_0295.nii.gz brain-in-rawavg.nii.gz

29 ADNI_002_S_0295 Etiqueta hipocampo (ya dada) ADNI_002_S_0295 Etiqueta hipocampo (generada por FS)

30 DICE Hipocampo izquierdo Hipocampo derecho

31 COMPARATIVA - Promedio
Promedio Valores de Volumetría Hip. Izquierdo Hip. Derecho ICV Materia Gris PV 3291 3301 ,18 505047,85 ADNI-OLD 3141 3152 ,84 507599,55 ADNI-HHP 3105 3216 ,64 512579,12

32 TIEMPO EMPLEADO PARALELIZACIÓN
Script Matlab – Lanzado desde Putty a Gauss 1 imagen  29471, segundos (8,18 horas) 8, segundos: conversión nii.gz a mgz 2721, segundos : skull-stripping y cálculo ICV Restante: volumetría hipocampal y materia gris PARALELIZACIÓN

33 TIEMPO EMPLEADO matlabpool local 8; parfor i=1:31 … matlabpool close;

34 BIBLIOGRAFÍA [1] Xabier Artaechevarria, Arrate Munoz-Barrutia, and Carlos Ortiz-de Solorzano. Combination strategies in multi-atlas image segmentation: Application to brain mr data. Medical Imaging, IEEE Transactions on, 28(8):1266{1277, 2009. [2] M.Carmen Tobar Carlos Platero. A label fusion method using conditional random elds with higher-order potentials: Application to hippocampal segmentation [5] Kelvin K Leung, Josephine Barnes, Marc Modat, Gerard R Ridgway, Jonathan W Bartlett, Nick C Fox, Sebastien Ourselin, Alzheimer's Disease Neuroimaging Initiative, et al. Brain maps: an automated, accurate and robust brain extraction technique using a template library. Neuroimage, 55(3):1091{1108,2011. [6] M Tobar Puente. Optimización de una energía mediante cortes de grafos. Segmentación de imágenes

35 GRACIAS POR SU ATENCIÓN