DUGi

Applications of deep learning techniques in magnetic resonance imaging for multiple sclerosis: from research innovations to clinical implementation

http://dugi.udg.edu/item/http:@@@@hdl.handle.net@@10256@@26725

ENG - This thesis explores how advanced artificial intelligence techniques, specifically deep learning, can improve the analysis of brain scans (MRI) for people with multiple sclerosis (MS). The study focuses on three key areas. First, it introduces a new AI tool designed to accurately and consistently isolate the brain from the surrounding tissues in MRI scans. This is crucial for many analyses and can improve the accuracy of brain volume measurements, which are important for tracking disease progression. Secondly, the research develops a method to generate synthetic brain scans from existing ones. This can help improve the detection of MS lesions (areas of brain damage) while potentially reducing the need for expensive and time-consuming MRI scans. Finally, the study investigates the practical challenges of bringing these AI tools into real-world clinical use. This includes navigating regulations and ensuring the safety and effectiveness of these technologies for patients. In summary, this research aims to improve the diagnosis and management of MS by developing and implementing innovative AI solutions for analyzing brain MRI scans

CAT - Aquesta tesi explora com les tècniques avançades d’intel·ligència artificial, concretament l’aprenentatge profund, poden millorar l’anàlisi de les exploracions cerebrals (MRI) per a persones amb esclerosi múltiple (EM). L’estudi se centra en tres àrees clau. En primer lloc, introdueix una nova eina d’IA dissenyada per aïllar de manera precisa i coherent el cervell dels teixits circumdants en les exploracions de ressonància magnètica. Això és crucial per a moltes anàlisis i pot millorar la precisió de les mesures del volum cerebral, que són importants per fer un seguiment de la progressió de la malaltia. En segon lloc, la investigació desenvolupa un mètode per generar exploracions cerebrals sintètiques a partir de les existents. Això pot ajudar a millorar la detecció de lesions d’EM (àrees de dany cerebral) alhora que redueix potencialment la necessitat d’exploracions de ressonància magnètica costoses i que requereixen temps. Finalment, l’estudi investiga els reptes pràctics de portar aquestes eines d’IA a l’ús clínic del món real. Això inclou navegar per les normatives i garantir la seguretat i l’eficàcia d’aquestes tecnologies per als pacients. En resum, aquesta investigació pretén millorar el diagnòstic i la gestió de l’EM desenvolupant i implementant solucions innovadores d’IA per analitzar ressonàncies magnètiques cerebrals

Programa de Doctorat en Tecnologia

Universitat de Girona