Deteção automática de Espaços de Virchow-Robin em imagens de ressonância magnética

Abstract

Os Espaços de Virchow-Robin estão compreendidos entre as paredes das artérias perfurantes do encéfalo e meninges, estando preenchidos por líquido. Por vezes ficam dilatados, tornando-se visíveis em imagens de ressonância magnética, apesar das suas dimensões próximas da resolução dos scanners atuais. Ao longo dos anos tem sido colocada a hipótese de o número dessas estruturas dilatadas se correlacionarem com algumas doenças, por exemplo acidentes vasculares cerebrais ou demência. No entanto, estes estudos baseiam-se em contagens semi-quantitativas em algumas regiões de interesse, por visualização das imagens. Assim, pretendeu-se implementar um sistema automático que, utilizando imagens de ressonância magnética, fosse capaz de extrair regiões de interesse, nomeadamente os gânglios da base e a substância branca, e fazer a deteção e contagem de Espaços de Virchow-Robin. Nesse sentido construiu-se uma pipeline para o pré-processamento, englobando a correção da falta de homogeneidade, remoção do crânio, do ruído e normalização das intensidades. No pré-processamento e na extração dos gânglios da base utilizou-se software existente, mas para a segmentação da substância branca desenvolveu-se um algoritmo que utiliza Random Decision Forests. Já para a deteção dos Espaços de Virchow-Robin implementouse um algoritmo que modela as suas propriedades com Marked Point Process, e procura a configuração que melhor se adequa através da otimização com Reversible Jump Markov Chain Monte Carlo e simulated annealing. O algoritmo de extração de substância branca também demonstrou resultados positivos na segmentação de substância cinzenta, porém o método de remoção do crânio não excluiu alguns tecidos, fazendo com que os resultados da segmentação do líquido cefalorraquidiano fossem piores. Foi validado na base de dados MRBrainS, demonstrando robustez relativamente à presença de lesões da substância branca, desde que existisse a sequência FLAIR. Por seu lado, o algoritmo de deteção de Espaços de Virchow-Robin foi aplicado em imagens MPRAGE com resolução isotrópica de 1 mm. Apesar de não ter sido possível validar, observou-se que a sua performance foi superior na substância branca do que nos gânglios da base, devendo, no futuro, desenvolver-se filtros mais adequados para a segunda região de interesse. Também se desenvolveu uma aplicação para visualização das estruturas detetadas, e da sua distribuição espacial.

Virchow-Robin Spaces surround the walls of the perforating arteries of the brain, being bounded by meninges and filled with cerebrospinal fluid. Sometimes they get dilated, becoming visible in magnetic resonance images, although their dimensions are near the current scanners’ resolution. Over the years, the hypothesis that the number of these dilated structures may be correlated with some diseases has been studied, for example with strokes or dementia. However, these studies are based on semi-quantitative counts in some regions of interest, by visualization of the images. Therefore, it was intended to implement an automatic system that, using magnetic resonance images, was able to extract regions of interest, namely the basal ganglia and the white matter, and detect and count dilated Virchow-Robin Spaces. In order to do so, it was built a pipeline for the pre-processing of the images, which included the inhomogeneity correction, skull stripping, denoising and intensities normalization. For the pre-processing procedures and extraction of the basal ganglia it was used already existent software, but for the segmentation of the white matter it was developed an algorithm that employs Random Decision Forests. For the detection of the Virchow-Robin Spaces it was implemented an algorithm that models their properties with a Marked Point Process, and searches for the best configuration of these structures among the candidates by optimization of the model with Reversible Jump Markov Chain Monte Carlo and simulated annealing. The white matter segmentation algorithm also demonstrated positive results in the segmentation of grey matter, but the skull stripping method wasn’t able to exclude some tissues, resulting in worse performance for the cerebrospinal fluid. It was validated in the MRBrainS database, demonstrating that it is robust in the presence of white matter lesions, if the FLAIR sequence is available. On the other hand, the algorithm for detecting dilated Virchow-Robin Spaces was applied in MPRAGE sequences acquired with isotropic resolution of 1 mm. Although it was not possible to validate, it was observed that the algorithm’s performance was superior in the white matter than in the basal ganglia, so, in the future, better filters for the second region of interest should be developed. It was, also, built an application to visualize the detected structures and their spatial distribution.