1

Volumetría intracraneal y del hipocampo desde imágenes

de resonancia magnética usando Freesurfer

Sandra Rodríguez Rodrigo

2 INTRODUCCIÓN

Enfermedades neurodegenerativas

Ciertos trastornos psiquiátricos

VolumenÁrea

Frecuentemente asociados con cambios estructurales en el cerebro.

3

Volumen del hipocampo

Puede ser crucial para el diagnóstico de enfermedades tales como el Alzheimer o la Esquizofrenia.

4

Estado de la técnica de la segmentación del hipocampo desde T1-MRI

Freesurfer

Experimentación

5 MÉTODOS DE FUSIÓN

Segmentaciones de

múltiples atlas

Única segmentación

Se combinan

Fusión de etiquetas

Atlas

6 MÉTODOS DE FUSIÓN

GLOBALES• Majority Voting• Weighted Voting

LOCALES• Generalized Local Weighted Voting• STAPLE

7 Breve comparativa

Estrategias locales Alto contraste

Estrategias globales Intensidades similares

No se puede determinar cuál es el óptimo para todos los casos.

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 SegmentaciónTarea 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

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

id_001.nii.gz Espacio normalizado FreeSurfer

Volúmenes y segmentaciones generados por Freesurfer no conservan el espacio nativo

13 Skull-stripping1. Obtención de brainmask.mgz

2. Pasar al espacio nativo:

…

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: 17Hipocampo derecho: 53

17 Volumetría Materia Gris

1. Obtención de ribbon.mgz

Archivo aseg.stats (mri_segstats)

2. Pasar al espacio nativo -> Igual que en el caso anterior

Skull-stripped & Vol. intracraneal

Segmentación & Vol. del hipocampo

Vol. Materia gris

19 EXPERIMENTACIÓN PV id_001.nii.gzbrainmask.mgz

20id_001.nii.gzid_001.nii.gzbrain.mgz

21 Comparación Variación h - lessEmpleando -lessVariando h

22 IMÁGENES ROTADAS

id_004.nii.gz

23

24 Volumetría hipocampalaseg-in-rawavg.mgzbrain-in-rawavg.mgz

25

ETIQUETAS 17 Y 53

26 Materia Grisribbon-in-rawavg.mgzbrain-in-rawavg.mgz

27 RESULTADOS NUMÉRICOS PV

28 EXPERIMENTACIÓN ADNI

ADNI_002_S_0295.nii.gzbrain-in-rawavg.nii.gz

29ADNI_002_S_0295Etiqueta hipocampo (ya dada)

ADNI_002_S_0295Etiqueta hipocampo (generada por FS)

30 DICE

Hipocampo izquierdo

Hipocampo derecho

31 COMPARATIVA - Promedio

  Hip. Izquierdo Hip. Derecho ICV Materia Gris

PV 3291 3301 1418846,18 505047,85

ADNI-OLD 3141 3152 1490969,84 507599,55

ADNI-HHP 3105 3216 1549901,64 512579,12

Promedio Valores de Volumetría

32 TIEMPO EMPLEADO

Script Matlab – Lanzado desde Putty a Gauss

1 imagen 29471,848463 segundos (8,18 horas)

8,048887 segundos: conversión nii.gz a mgz2721,034620 segundos : skull-stripping y cálculo ICVRestante: volumetría hipocampal y materia grisPARALELIZACIÓN

33 TIEMPO EMPLEADO

1 Imagen 31 Imágenes0

50

100

150

200

250

300

8.18

253.78

Sin Paralelizar

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

1 Imagen 31 Imágenes0

50

100

150

200

250

300

8.18

253.78

9.25

Sin Paralelizar Paralelizar

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. 2014.

35

GRACIAS POR SU ATENCIÓN

http://www.elai.upm.es/joomla/index.php/grupos-inv/vision-artificial