Item


Deep learning methods for automated detection of new multiple sclerosis lesions in longitudinal magnetic resonance images

This thesis is focused on developing novel and fully automated methods for the detection of new multiple sclerosis (MS) lesions in longitudinal brain magnetic resonance imaging (MRI). First, we proposed a fully automated logistic regression-based framework for the detection and segmentation of new T2-w lesions. The framework was based on intensity subtraction and deformation field (DF). Second, we proposed a fully convolutional neural network (FCNN) approach to detect new T2-w lesions in longitudinal brain MR images. The model was trained end-to-end and simultaneously learned both the DFs and the new T2-w lesions. Finally, we proposed a deep learning-based approach for MS lesion synthesis to improve the lesion detection and segmentation performance in both cross-sectional and longitudinal analysis

Esta tesis se centra en el desarrollo de métodos novedosos y totalmente automatizados para la detección de nuevas lesiones de esclerosis múltiple en la resonancia magnética longitudinal del cerebro. Primero, propusimos un marco totalmente automatizado basado en la regresión logística para la detección y segmentación de nuevas lesiones T2-w. El marco se basaba en la sustracción de intensidad y el campo de deformación (DF). En segundo lugar, propusimos un enfoque de red neuronal totalmente convolucional para detectar nuevas lesiones T2-w en imágenes de resonancia magnética del cerebro longitudinal. El modelo se entrenó de extremo a extremo y aprendió simultáneamente tanto los DF como las nuevas lesiones T2-w. Por último, propusimos un enfoque basado en el aprendizaje profundo para la síntesis de las lesiones de la EM, a fin de mejorar el rendimiento de la detección y la segmentación de las lesiones tanto en el análisis transversal como en el longitudinal

Universitat de Girona

Manager: Salvi, Joaquim
Lladó Bardera, Xavier
Other contributions: Universitat de Girona. Departament d’Arquitectura i Tecnologia de Computadors
Author: Salem, Mostafa
Date: 2020 February 13
Abstract: This thesis is focused on developing novel and fully automated methods for the detection of new multiple sclerosis (MS) lesions in longitudinal brain magnetic resonance imaging (MRI). First, we proposed a fully automated logistic regression-based framework for the detection and segmentation of new T2-w lesions. The framework was based on intensity subtraction and deformation field (DF). Second, we proposed a fully convolutional neural network (FCNN) approach to detect new T2-w lesions in longitudinal brain MR images. The model was trained end-to-end and simultaneously learned both the DFs and the new T2-w lesions. Finally, we proposed a deep learning-based approach for MS lesion synthesis to improve the lesion detection and segmentation performance in both cross-sectional and longitudinal analysis
Esta tesis se centra en el desarrollo de métodos novedosos y totalmente automatizados para la detección de nuevas lesiones de esclerosis múltiple en la resonancia magnética longitudinal del cerebro. Primero, propusimos un marco totalmente automatizado basado en la regresión logística para la detección y segmentación de nuevas lesiones T2-w. El marco se basaba en la sustracción de intensidad y el campo de deformación (DF). En segundo lugar, propusimos un enfoque de red neuronal totalmente convolucional para detectar nuevas lesiones T2-w en imágenes de resonancia magnética del cerebro longitudinal. El modelo se entrenó de extremo a extremo y aprendió simultáneamente tanto los DF como las nuevas lesiones T2-w. Por último, propusimos un enfoque basado en el aprendizaje profundo para la síntesis de las lesiones de la EM, a fin de mejorar el rendimiento de la detección y la segmentación de las lesiones tanto en el análisis transversal como en el longitudinal
Format: application/pdf
Other identifiers: http://hdl.handle.net/10803/668990
Document access: http://hdl.handle.net/10256/18081
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/4.0/
Subject: Brain
Cervell
Cerebro
MRI
Magnetic resonance imaging
Imatgeria per ressonància magnètica
Imagen por resonancia magnética
Multiple sclerosis
Esclerosi múltiple
Esclerosis múltiple
Automatic new lesion detection
Detecció automàtica de noves lesions
Detección automática de nuevas lesiones
Machine learning
Aprenentatge automàtic
Aprendizaje automático
Deep learning
Aprenentatge profund
Aprendizaje profundo
Synthetic lesion generation
Data augmentation
CNN
Convolutional neural network
FCNN
Fully convolutional neural network
004 - Informàtica
615 - Farmacologia. Terapèutica. Toxicologia. Radiologia
616.8 - Neurologia. Neuropatologia. Sistema nerviós
Title: Deep learning methods for automated detection of new multiple sclerosis lesions in longitudinal magnetic resonance images
Type: info:eu-repo/semantics/doctoralThesis
Repository: DUGiDocs

Subjects

Authors


Warning: Unknown: write failed: No space left on device (28) in Unknown on line 0

Warning: Unknown: Failed to write session data (files). Please verify that the current setting of session.save_path is correct (/var/lib/php5) in Unknown on line 0