DUGi

Deep learning methods for extraction of neuroimage markers in the prognosis of brain pathologies

http://dugi.udg.edu/item/http:@@@@hdl.handle.net@@10256@@23047

This PhD thesis focuses on improving the extraction of neuroimage markers for the prognosis and outcome prediction of neurological pathologies such as ischemic stroke, Alzheimer’s disease (AD) and multiple sclerosis (MS). Our work has been developed on two of the most relevant neuroimage markers for diagnosis and prediction, brain lesion segmentation and longitudinal atrophy quantification. Brain lesion segmentation can be directly used in MS and ischemic stroke as a prognostic marker and can also be useful for other downstream segmentation tasks. In MS, disease activity produces very characteristic lesions which can help with diagnosis and prognosis of the pathology. In ischemic stroke, lesion segmentation can inform the treatment decision workflow by quantifying the amount of tissue that could be salvaged against the risks of surgical intervention. We also tackle in this PhD thesis the task of brain tissue segmentation for longitudinal atrophy quantification, a validated prognostic image marker in MS and AD. Measurements of longitudinal atrophy can be used to assess the rate of disease progression and might even help to predict AD onset years in advance. In MS patients, an accelerated rate of brain atrophy is also observed as a result of disease activity and is used as a prognostic marker and to evaluate the response of disease-modifying treatments

Aquesta tesi doctoral se centra en millorar l’extracció de marcadors de neuroimatge per al pronòstic i predicció de l’estat del pacient en patologies neurològiques com l’ictus isquèmic, la malaltia d’Alzheimer o l’esclerosi múltiple (EM). El nostre treball ha estat desenvolupat en dos dels marcadors de neuroimatge més rellevants per al diagnòstic i la predicció; la segmentació de lesions cerebrals i la quantificació longitudinal d’atròfia. La segmentació de lesions pot ser utilitzada directament en ictus i en EM com a marcador del pronòstic i també pot ser útil en posteriors tasques de segmentació. A l’EM, l’activitat de la malaltia produeix lesions molt característiques que poden informar el diagnòstic i el pronòstic de la patologia. A l’ictus isquèmic, la segmentació de la lesió pot assistir en la decisió del tractament mitjançant la quantificació del teixit que podria salvar-se front als riscos de la intervenció quirúrgica. També abordem en aquesta tesi doctoral la segmentació del teixit cerebral per a la quantificació de l’atròfia longitudinal, un marcador d’imatge pronòstic validat a la EM i la malaltia d’Alzheimer. Les mesures de l’atròfia longitudinal es poden fer servir per avaluar la velocitat de progressió de la malaltia i fins i tot podrien ajudar a predir l’inici de la malaltia d’Alzheimer anys abans de mostrar els primers símptomes. En pacients amb EM, també s’observa una taxa accelerada d’atròfia cerebral com a resultat de l’activitat de la malaltia i la seva mesura pot servir com a marcador pronòstic i també per avaluar la resposta als tractaments modificadors de la malaltia

Programa de Doctorat en Tecnologia

Universitat de Girona