Item


Automated brain structure segmentation in magnetic resonance images of multiple sclerosis patients

This thesis is focused on the automated segmentation of the brain structures in magnetic resonance images, applied to multiple sclerosis patients. This disease is characterized by the presence of lesions, which affect the segmentation result of commonly used automatic methods. We propose a new correspondence search model able to minimize this problem and extend the theory of two remarkable label fusion strategies of the literature, i.e. Non-local Spatial STAPLE and Joint Label Fusion, in order to integrate this model into their corresponding estimation algorithms. Furthermore, with the aim of providing fully automated algorithms, a whole automated pipeline is presented. Finally, a second extension of the theory to enable the integration of manual and automatic edits into the segmentation estimation of both strategies is also proposed. The analysis of the results obtained points out a performance improvement on the lesion areas, which is also reflected on the whole brain segmentation performance

Aquesta tesi se centra en la segmentació automàtica de les estructures cerebrals en imatges de ressonància magnètica, aplicada a pacients d’esclerosi múltiple. Aquesta malaltia es caracteritza per la presència de lesions, que afecten els resultats de segmentació dels mètodes automàtics tradicionals. Per aquest motiu proposem un nou model de cerca de correspondències capaç de minimitzar aquest problema i estenem la teoria de dues estratègies notables de la literatura, Non-local Spatial STAPLE i Joint Label Fusion, per integrar aquest model en els seus corresponents algoritmes d’estimació. Amb l’objectiu de proporcionar algoritmes totalment automatitzats, es presenta una pipeline completa. Finalment, també es proposa una segona extensió de la teoria per permetre la integració d’anotacions manuals i automàtiques en les dues estratègies. L’anàlisi dels resultats obtinguts demostra una millora en el rendiment dels algorismes de segmentació en les àrees de lesió, que també es veu reflectida en la segmentació de tot el cervell

Universitat de Girona

Manager: Lladó Bardera, Xavier
Oliver i Malagelada, Arnau
Other contributions: Universitat de Girona. Departament d’Arquitectura i Tecnologia de Computadors
Author: González-Villà, Sandra
Date: 2019 May 31
Abstract: This thesis is focused on the automated segmentation of the brain structures in magnetic resonance images, applied to multiple sclerosis patients. This disease is characterized by the presence of lesions, which affect the segmentation result of commonly used automatic methods. We propose a new correspondence search model able to minimize this problem and extend the theory of two remarkable label fusion strategies of the literature, i.e. Non-local Spatial STAPLE and Joint Label Fusion, in order to integrate this model into their corresponding estimation algorithms. Furthermore, with the aim of providing fully automated algorithms, a whole automated pipeline is presented. Finally, a second extension of the theory to enable the integration of manual and automatic edits into the segmentation estimation of both strategies is also proposed. The analysis of the results obtained points out a performance improvement on the lesion areas, which is also reflected on the whole brain segmentation performance
Aquesta tesi se centra en la segmentació automàtica de les estructures cerebrals en imatges de ressonància magnètica, aplicada a pacients d’esclerosi múltiple. Aquesta malaltia es caracteritza per la presència de lesions, que afecten els resultats de segmentació dels mètodes automàtics tradicionals. Per aquest motiu proposem un nou model de cerca de correspondències capaç de minimitzar aquest problema i estenem la teoria de dues estratègies notables de la literatura, Non-local Spatial STAPLE i Joint Label Fusion, per integrar aquest model en els seus corresponents algoritmes d’estimació. Amb l’objectiu de proporcionar algoritmes totalment automatitzats, es presenta una pipeline completa. Finalment, també es proposa una segona extensió de la teoria per permetre la integració d’anotacions manuals i automàtiques en les dues estratègies. L’anàlisi dels resultats obtinguts demostra una millora en el rendiment dels algorismes de segmentació en les àrees de lesió, que també es veu reflectida en la segmentació de tot el cervell
Format: application/pdf
Other identifiers: http://hdl.handle.net/10803/667616
Document access: http://hdl.handle.net/10256/17035
Language: eng
Publisher: Universitat de Girona
Rights: L’accés als continguts d’aquesta tesi queda condicionat a l’acceptació de les condicions d’ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/4.0/
Subject: Brain structures
Estructures cerebrals
Estructuras cerebrales
Segmentation
Segmentació
Segmentación
Magnetic resonance images
Imatges de ressonància magnètica
Imágenes de resonancia magnética
Multiple sclerosis
Esclerosi múltiple
Esclerosis múltiple
Multi-atlas
Multi-atles
Label fusion
Fusió d’etiquetes
Fusión de etiquetas
004 - Informàtica
616.8 - Neurologia. Neuropatologia. Sistema nerviós
68 - Indústries, oficis i comerç d’articles acabats. Tecnologia cibernètica i automàtica
Title: Automated brain structure segmentation in magnetic resonance images of multiple sclerosis patients
Type: info:eu-repo/semantics/doctoralThesis
Repository: DUGiDocs

Subjects

Authors