Galvos smegenų magnetinio rezonanso vaizdų kompiuterinė analizė

Abstract

Šiame darbe aptariamas ankstyvių, automatinių vaizdo apdorojimo algoritmų silpnaprotystės nustatymui kūrimas. Magnetinis rezonansas (MR) tai paplitęs ir nekenksmingas būdas neinvaziniu būdu atvaizduoti paciento vidinių organų struktūrą. MR įrangos protokolai yra pritaikyti įvairiems MR įrangos gamintojams, todėl skirtingų gamintojų MR įrenginiais gautas vidinių organų vaizdas yra panašus. Šiuo metu MR įranga yra naudojama įvairiems tyrimams. Taip pat silpnaprotystės paveiktų pacientų smegenų srities vaizdinimui. Medicininėje praktikoje signalų ir vaizdų apdorojimo algoritmai automatiniam Alzheimerio ligos nustatymui arba kraujagyslių kokybės kontrolei kol kas nėra plačiai taikomi. Automatiniu būdu išskirtos žymės iš struktūrinių MR duomenų gali padėti diagnozuoti Alzheimerio ligą. Patikimi ir automatiniai MR vaizdų apdorojimo metodai gali būti naudojami kognityviniais rezultatais pagrįstos diagnozės patvirtinimui. Tokiu būdu galima gydymą pradėti kuo anksčiau. Darbo tikslas - sukurti skaitmeninius vaizdo apdorojimo metodus, tinkančius ankstyvam Alzheimerio arba kraujagyslių srities ligų sukeltos silpnaprotystės nustatymui iš smegenų srities MR vaizdų. Disertaciją sudaro įvadas ir 4 skyriai: skeletavimo ir Alzheimerio ligos nustatymo metodų apžvalga, kraujagyslių skeletavimas magnetinio rezonanso vaizduose, Alzheimerio ligos požymiai ir jos nustatymo metodai ir automatinio klasifikavimo rezultatai. Pirmajame skyriuje apžvelgiama naujausia literatūra skeletavimo ir automatinio Alzheimerio ligos nustatymo temomis. Skyriaus pabaigoje formuluojami disertacijos uždaviniai. Antrajame skyriuje pristatomi du kraujagyslių skeletavimo metodai. Pirmas metodas yra pagrįstas judėjimu išilgai ilgiausio spindulio nubrėžto kraujagyslės viduje. Antras metodas yra pagrįstas vaizdo sąsūka su Gauso branduoliais. Taip pat įvertinama išskirtų skeletų kokybė pagal suformuotus kriterijus. Algoritmai lyginami tarpusavyje, taip pat su rankiniu būdu išskirtu skeletu bei iteratyvaus ploninimo algoritmais. Trečiajame skyriuje pateikta darbe naudojamų subjektų duomenų analizė. Aptariami darbe naudojami metodai. Tyrinėjami smegenų žievinių ir požievinių struktūrų pokyčiai laike. Ketvirtas skyrius skirtas Alzheimerio ligos žymių, išskirtų iš magnetinio rezonanso duomenų, kokybės įvertinimui. Taip pat patiekiami automatinės klasifikacijos rezultatai. Disertacijos pabaigoje apibendrinami darbo rezultatai ir pateikiamos bendrosios išvados.

In this work magnetic resonance imaging (MRI) based image processing methods for the automatic detection and prevention of dementia are developed. MRI a powerful, non-invasive hardware technology used for number of tasks, one of them is to screen and visualize the brain of patients with diagnosed dementia. Currently, there is no widely accepted automatic signal or image processing methods for the Alzheimer's disease detection or description of the blood vessel quality in medical routines. Development of reliable and automatic MRI digital image analysis methods can reinforce the disease diagnosis based on cognitive scores and help to start patient treatment earlier. The goal of this work is to develop digital image processing methods suitable for the early detection of dementia from the MRI scans of the brain. Thesis consists of introduction followed by 4 chapters: review of skeletonization and Alzheimer's disease detection methods, blood vessel skeletonization, materials and methods for Alzheimer's disease and results of automatic classification. In the Introduction the research object, main goal and tasks, scientific novelty, research object, practical significance and defended statements are presented. Chapter 1 reviews the most recent literature about skeletonization and automatic Alzheimer's disease detection methods. Chapter is concluded by defining the problems, which are being solved in this PhD thesis. Chapter 2 deals with the blood vessel segmentation methods. Two new skeleton extraction methods were proposed. First one, called step-wise, is based on the step-wise traversing along the longest ray through the blood vessel tree. Second one, called kernel-based was expanded in this work to 3D space. Algorithms quality was discussed, qualified and compared against manually extracted skeleton for the blood vessel models. Moreover, all the algorithms were compared against iterative thinning method. Chapter 3 describes used Alzheimer's subjects data together with its analysis methods. Second part of this chapter describes the cross sectional and longitudinal changes in the brain among different groups of subjects. Chapter 4 discusses the robustness of the MRI based disease markers. 10 cortical and subcortical MRI based volumetric markers were investigated. MRI based markers were compared against the cognitive scores (MMSE test), also influence of subject's age was investigated. In the second part of the chapter automatic classification results were discussed. Work is summarized by general conclusions chapter.