polito.it
Politecnico di Torino (logo)

Ottimizzazione del metodo Demons multimmagine bilanciato su immagini di risonanza magnetica di pazienti Chiari-I = Optimisation of the balanced multi-image Demons method on MRI images of Chiari-I patients

Matilda Fontanarosa

Ottimizzazione del metodo Demons multimmagine bilanciato su immagini di risonanza magnetica di pazienti Chiari-I = Optimisation of the balanced multi-image Demons method on MRI images of Chiari-I patients.

Rel. Luca Mesin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2024

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (4MB) | Preview
Abstract:

La malformazione di Arnold-Chiari è una patologia rara che interessa la giunzione cranio-cervicale. La sua rarità e la sua varietà clinica hanno da sempre determinato una difficoltà nella scelta del trattamento terapeutico. Strumenti automatici di supporto alla diagnosi e alla definizione del trattamento potrebbero essere una risorsa ulteriore. Il presente studio propone l’ottimizzazione, su risonanze magnetiche di pazienti Chiari-I, di un metodo di registrazione automatica, il Demons. Tale algoritmo trova applicazione nel campo della segmentazione cerebrale e il suo miglioramento potrebbe essere di interesse e fonte di sostegno per ridurre i bias inter e intra operatore. Su un dataset di 11 MRI di pazienti Chiari-I è massimizzata l’accuratezza della stima della deformazione, ottenuta mediante Demons bilanciato in condizioni simulate. Oggetto del perfezionamento sono i parametri di un filtro da applicare alla risonanza, prima in un contesto bi-immagine (immagine filtrata e immagine originale) e poi in un contesto multimmagine (immagine filtrata, immagine originale, immagine di entropia locale, immagine di simmetria di fase e immagine con contrasto). L’integrazione di multiple versioni della medesima risonanza fornisce, pixel per pixel, un incremento delle informazioni locali e questo risulta in una migliore registrazione. L’ottimizzazione è svolta applicando in cascata due algoritmi (Whale Optimization Algorithm e interior-point algorithm). Questi filtri sono poi applicati ad altre 31 MRI sulle quali essi non sono stati perfezionati, per valutarne l’efficacia. È risultata complessivamente una forte diminuzione dell’errore di stima della deformazione tra il Demons bilanciato con la sola immagine originale e il Demons bilanciato multimmagine con il kernel ottimizzato (~70% di decremento relativo). Si è valutato anche l’apporto di tali migliorie sulle segmentazioni di cervello, cervelletto e fossa posteriore confrontandole con quelle manuali delineate da un medico. L’overlapping error medio è diminuito, considerando le 3 zone cerebrali, circa del 13% relativo con il Demons bilanciato multimmagine ottimizzato, rispetto al Demons bilanciato con la sola immagine originale. A latere è riportato uno studio parallelo condotto durante il periodo di tesi svolto in collaborazione con l’Ospedale Meyer di Firenze, che ha coinvolto alcuni pazienti pediatrici presentanti Chiari-I in comorbilità con autismo. Tale studio è volto a individuare, mediante l’ausilio di metodi di machine-learning, alcuni parametri morfometrici che siano indicatori predittivi di un miglioramento nel quadro sintomatologico dello spettro autistico post-intervento di decompressione. Seppur disponibile un dataset limitato, l’angolo del tentorio è risultato una feature robusta nel contesto predittivo.

Relators: Luca Mesin
Academic year: 2023/24
Publication type: Electronic
Number of Pages: 67
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: New organization > Master science > LM-21 - BIOMEDICAL ENGINEERING
Aziende collaboratrici: UNSPECIFIED
URI: http://webthesis.biblio.polito.it/id/eprint/32134
Modify record (reserved for operators) Modify record (reserved for operators)