Diseño de un metodo de segmentación de lóbulos del cerebelo usando imágenes RM multiespectral

Abstract

[ES] El análisis cuantitativo del cerebro a partir de Imágenes de Resonancia Magnética (IRM) se está convirtiendo en un proceso obligatorio con tal de aumentar nuestro conocimiento sobre las condiciones, tanto normales como patológicas, de esta estructura.

Actualmente, la funcionalidad del cerebelo y sus trastornos es un tema controvertido. A lo largo de la pasada década, se han llevado a cabo estudios en los que se ha descubierto la contribución del cerebelo en la regulación cognitiva y emocional, siendo más que un mero centro modulador de las funciones motoras. Además, también se ha observado su papel en trastornos neuropsiquiátricos, tales como la esquizofrenia. Sin embargo, el número de algoritmos que de forma automática y precisa identifiquen esta estructura y sus subregiones, es hasta el momento muy reducido.

Por este motivo, en el presente trabajo, se propone una nueva versión del método CERES (CERebellum Segmentation) llamada CERES 1.1, que utiliza IRM multiespectrales (tanto imágenes potenciadas en T1 como en T2) con tal de mejorar la cuantificación del volumen de los lóbulos (o subregiones) del cerebelo. Asimismo, esta variante añade una estructura clave en la sustancia blanca, solamente visible en imágenes T2, el núcleo dentado. Este núcleo profundo está involucrado en la coordinación, planificación e inicialización de los movimientos volitivos y participa en diferentes trastornos infantiles tanto metabólicos como genéticos, o bien en enfermedades asociadas a la sustancia blanca del cerebelo.

La validación de este método se ha llevado a cabo con 5 sujetos sanos, de edades comprendidas entre 29 y 57 años, aplicando un procedimiento de leave-one-out. Se ha realizado a su vez, un proceso de optimización debido a que el flujo de trabajo del método CERES 1.1 posee una serie de parámetros, la mejora de los cuales permite aumentar la precisión de la segmentación. Por otro lado, dada la influencia del tamaño de la librería de entrenamiento, esta ha sido extendida a partir del resultado de segmentación automática de 100 casos.

Con el método CERES 1.1 propuesto, se ha obtenido un índice DICE de 0.8266 frente a 0.8162, obtenido con el método original. Además, se trata de una técnica con gran adaptabilidad (al permitir la inclusión de imágenes, patológicas o no, en la librería de plantillas), de acceso libre y que presenta un coste computacional bajo, en comparación con los algoritmos existentes de segmentación automática de los lóbulos del cerebelo.

[EN] Quantitative analysis of brain Magnetic Resonance Imaging (MRI) is becoming a mandatory process to step up in our knowledge of both normal and pathological brain.

Currently, the functionality of the cerebellum and its disorders is a controversial issue. Throughout the last decade, it has been carried out studies in which the contribution of the cerebellum in cognitive and emotional regulation has been discovered, being more than a mere modulating center of the motor functions. In addition, it has also been observed its role in neuropsychiatric disorders, such as schizophrenia. Nevertheless, the number of algorithms that automatically and accurately identify this structure and its subregions is, so far, very small.

For this reason, in the present work, a new version of the CERES (CERebellum Segmentation) method, called CERES 1.1, is proposed. It uses multispectral MRIs (both T1 and T2-weighted images) to improve the quantification of the volume of the lobes (or subregions) of the cerebellum. Moreover, this variant adds a key structure in the white matter, only visible in T2 images, the dentate nucleus. This deep nucleus is involved in the coordination, planning and initialization of the volitional movements and participates in different childhood disorders, both metabolic and genetic, or in diseases associated with the white matter of the cerebellum.

Validation was performed with 5 healthy subjects, aged between 29 and 57 years, applying a leave-one-out procedure. An optimization process has also been performed because the workflow of the CERES 1.1 method has some parameters whose improvement allows to increase segmentation accuracy. On the other hand, due to the influence of the size of the training library, this was extended with 100 automatic segmentation results.

With the CERES 1.1 method proposed, a DICE index of 0.8266 was obtained versus 0.8162, obtained in the original method. In addition, it is a technique with great adaptability (to be able to include in the library of templates any image, pathological or not), free access and that presents a low computational cost in comparison with the existing algorithms of automatic segmentation of the cerebellum lobes.

[CAT/VA] L’anàlisi qualitatiu del cervell a partir d’Imatges de Ressonància Magnètica (IRM) s’està convertint en un procés obligatori per tal d’augmentar el nostre coneixement sobre les condicions, tant normals com patològiques, d’aquesta estructura. Actualment, la funcionalitat del cerebel i els seus trastorns és un tema controvertit. Al llarg de la passada dècada, s’han dut a terme estudis en els que s’ha descobert la contribució del cerebel en la regulació cognitiva i emocional, sent més que un mer centre modulador de les funcions motores. A més, també s’ha observat el seu rol en trastorns neuropsiquiàtrics, tal com l’esquizofrènia. No obstant això, el número d’algoritmes, que de forma automàtica i precisa identifiquen aquesta estructura i les seues subregions, és, fins al moment, molt reduït. Per aquest motiu, en el present treball es proposa una nova versió del mètode CERES (CERebellum Segmentation) denominada CERES 1.1, que utilitza IRM multiespectrals (tant imatges potenciades en T1 como en T2) per tal de millorar la quantificació del volum del lòbuls (o subregions) del cerebel. Al mateix temps, aquesta variant afegeix una estructura clau en la substancia blanca, únicament visible en imatges T2, el nucli dentat. Aquest nucli profund està involucrat en la coordinació, planificació i inicialització dels moviments volitius i participa en diferents trastorns infantils tant metabòlics com genètics o bé en malalties associades a la substancia blanca del cerebel. La validació d’aquest mètode s’ha dut a terme amb 5 subjectes sans, d’edats compreses entre 29 i 57 anys, aplicant un procediment de leave-one-out. També s’ha realitzat un procés d’optimització degut a que el flux de treball del mètode CERES 1.1, presenta una sèrie de paràmetres la millora dels quals, permet augmentar la precisió de la segmentació. D’altra banda, degut a la influència de la grandària de la llibreria d’entrenament, aquesta ha sigut estesa a partir del resultat de segmentació automàtica de 100 casos. Amb el mètode CERES 1.1 propost, s’ha obtingut un índex DICE de 0.8266 front 0.8162, obtingut amb el mètode original. A més a més, es tracta d’una tècnica amb gran adaptabilitat (al permetre la inclusió d'imatges, patològiques o no, en la llibreria de plantilles), d’accés lliure i que presenta un cost computacional baix en comparació amb els algoritmes existents de segmentació automàtica dels lòbuls del cerebel.