Diseño e implementación de una red neuronal artificial para la segmentación de subestructuras de los talamos cerebrales a partir de imágenes multimodales de RM de alta resolución

Abstract

[ES] En el presente trabajo se ha diseñado e implementado una red neuronal artificial (RNA) volumétrica para la segmentación de los tálamos cerebrales y sus subestructuras a partir de imágenes multimodales (T1, T2 y WMn) de alta resolución (0.5 mm3).

Esta herramienta tiene como objetivo mejorar la precisión en la estimación de volúmenes de subestructuras del tálamo cerebral (izquierdo y derecho) a partir de imágenes de RM de alta resolución. Las herramientas actuales o funcionan a resolución estándar (1 mm3) o bien usan datos monomodales.

Para conseguir el objetivo propuesto, primero, se creó una base de datos de tálamos segmentados manualmente con imágenes T1 y T2 de alta resolución y WMn sintetizada usando para ello datos de 3 datasets. Después, se diseñó la arquitectura de la red neuronal para obtener las segmentaciones automáticas y se evaluaron los resultados obtenidos haciendo uso de distintas métricas.

[EN] n the present work, a volumetric artificial neural network (ANN) has been designed and implemented for the segmentation of the cerebral thalamus and its substructures from high resolution (0.5 mm3) multimodal images (T1, T2 and WMn).

This tool aims to improve the accuracy in estimating volumes of brain thalamus substructures (left and right) from high-resolution MR images. Current tools work at standard resolution (1mm3) or use monomodal data.

To achieve the proposed objective, first, a database of manually segmented thalami was created with high-resolution T1 and T2 images and WMn synthesized using data from 3 datasets. Then, the neural network architecture was designed to obtain the automatic segmentations and the results obtained were evaluated using different metrics

[CAT] Enelpresenttreballs’hadissenyatiimplementatunaxarxaneuronalartificial(RNA)volumètricaperalasegmentaciódelstàlemscerebralsilesseuessubestructuresapartird’imatges multimodals(T1,T2iWMn)d’altaresolució(0.5mm3). Aquestaeinatécomaobjectiumillorarlaprecisióenl’estimaciódevolumsdesubestructures deltàlemcerebral(esquerreidret)apartird’imatgesdeRMd’altaresolució.Leseinesactuals funcionenaresolucióestàndard(1mm3)obéusendadesmonomodales. Peraaconseguirl’objectiuproposat,primer,esvacrearunabasededadesdetàlemssegmentats manualmentambimatgesT1iT2d’altaresolucióiWMnsintetitzadausantperaaixòdades de3*datasets.Després,esvadissenyarl’arquitecturadelaxarxaneuronalperaobtindreles segmentacionsautomàtiquesiesvanavaluarelsresultatsobtingutsfentúsdediferentsmètriques.