Implementación de morfometría basada en voxeles en imágenes de resonancia magnética cerebral en población SURA con aplicación en enfermedades neurodegenerativas. Semestre de industria

Abstract

RESUMEN : La imagen de resonancia magnética estructural ha tomado gran relevancia en el estudio de enfermedades neurológicas y psiquiátricas puesto que los cambios cerebrales relacionados con la pérdida de tejido cerebral y atrofia pueden ser identificadores claves de estos trastornos. La necesidad de automatizar procesos de análisis de neuroimagen normalmente desarrollados de forma manual y visual ha llevado al desarrollo de flujos de procesamiento como la morfometría basada en voxeles. Esta técnica es utilizada en la evaluación cuantitativa de cambios estructurales en el volumen de sustancia gris, empleando métodos estadísticos para identificar diferencias anatómicas en el cerebro entre grupos de sujetos, por ejemplo, sanos y patológicos. El objetivo del presente trabajo consistió en implementar una técnica de análisis morfométrico en XNAT en imágenes de resonancia magnética en población SURA con aplicación en enfermedades neurodegenerativas y enfoque individual. Para llevarlo a cabo se construyó un conjunto de datos de MRI cerebrales a partir de los sistemas de información de SURA. Luego, se implementó un algoritmo de morfometría basada en voxeles mediante el algoritmo FSLVBM del software FSL. Por último, se realizaron análisis estadísticos enfocados a identificar características morfométricas de la población patológica en relación a la población sana. Como resultado se obtuvo un conjunto de datos MRI caracterizado y un flujo VBM implementado a nivel individual. A su vez, se encontraron fuertes patrones característicos en los sujetos con enfermedad de Alzheimer y en menor medida en Parkinson, validando a la VBM como una técnica apropiada en el estudio de enfermedades neurodegenerativas.

ABSTRACT : Structural magnetic resonance imaging has taken on great relevance in the study of neurological and psychiatric diseases since brain changes related to brain tissue loss and atrophy can be key identifiers of these disorders. The need to automate neuroimaging analysis processes normally performed manually and visually has led to the development of processing workflows such as voxel-based morphometry. This technique is used in the quantitative assessment of structural changes in gray matter volume, employing statistical methods to identify anatomical differences in the brain between groups of subjects, e.g., healthy and pathological. The objective of the present work consisted of implementing a morphometric analysis technique in XNAT in magnetic resonance images in SURA population with application in neurodegenerative diseases and individual approach. To carry it out, a brain MRI dataset was constructed from SURA information systems. Then, a voxel-based morphometry algorithm was implemented using the FSLVBM algorithm of the FSL software. Finally, statistical analyses were performed to identify morphometric characteristics of the pathological population in relation to the healthy population. As a result, a characterized MRI dataset and a VBM flow implemented at the individual level were obtained. In turn, strong characteristic patterns were found in subjects with Alzheimer's disease and to a lesser extent in Parkinson's disease, validating VBM as an appropriate technique in the study of neurodegenerative diseases.