This thesis deals with the detection of new multiple sclerosis (MS) lesions in longitudinal brain magnetic resonance (MR) imaging. This disease is characterized by the presence of lesions in the brain, predominantly in the white matter (WM) tissue of the brain. The detection and quantification of new lesions are crucial to follow-up MS patients. Moreover, the manual detection of these new lesions is not only time-consuming, but is also prone to intra- and inter-observer variability. Therefore, the development of automated techniques for the detection MS lesions is a major challenge. After a thorough analysis of the state-of-the art in MS lesion detection approaches, we present a new classification of techniques pointing out their main strengths and weaknesses. A complementary quantitative evaluation of some of the most remarkable methods in the literature is also provided. Subsequently, we present a new proposal based on a change detection approach, which combines various characteristics of different MR image modalities. Firstly, several preprocessing methods are included in the pipeline to improve the quality of MR images. We analyze these processes as well as several rigid and non-rigid image registration methods in detail.
The subtraction of the baseline and follow-up images is used to determine changes between the images. Moreover, we apply a WM masking step in order to reduce the search space for lesions only within WM. Afterwards, we apply a threshold to the subtraction images. Although determining the threshold can be done by experts, we propose an automated thresholding process which provides a satisfactory trade-off between sensitivity and specificity. Finally, we refine the candidate lesions detected using lesion features, particularly in order to reduce false positive lesions. For this purpose, including the baseline and follow-up images, we join both results obtained from PD-w and T2-w images in a supervised and an unsupervised manner. Experimental results are evaluated on a database of 20 MS patients with a variable lesion load, where manual segmentation provided by experts was available. The evaluation, carried out in a quantitative and qualitative manner, includes a comparison and uses several metrics for detection and segmentation.
___________________________________
Aquesta tesi es centra en la detecció automàtica de lesions noves d’esclerosi múltiple (EM) en estudis longitudinals del cervell mitjançant l’ús d’imatges de ressonància magnètica (RM). Aquesta malaltia es caracteritza per la presència de lesions al cervell, predominantment en el teixit de la matèria blanca, i la detecció i la quantificació de les noves lesions són elements crucials per al seguiment dels pacients. No obstant això, la detecció manual d’aquestes noves lesions no només requereix de molt temps, sinó que també és propensa a la variabilitat intra- i inter-observador. Cal tenir en compte que les lesions d’EM són molt petites en comparació amb tot el cervell. Per tant, el desenvolupament de tècniques automàtiques per a la detecció de lesions d’EM és un gran repte.
Després d’un anàlisi exhaustiu de l’estat de l’art de les diferents tècniques de detecció de lesions d’EM, en aquesta tesi es presenta una nova classificació assenyalant-ne les principals fortaleses i debilitats. També es proporciona una avaluació quantitativa complementària d’alguns dels mètodes més rellevants en la literatura. Posteriorment, es presenta una nova proposta, que combina diverses característiques de les diferents modalitats d’imatges de RM, basada en la subtracció d’imatges per tal de determinar els canvis entre una imatge basal i una de seguiment. En primer lloc, s’inclouen en la proposta mètodes de preprocessament, per tal de millorar la qualitat de les imatges de RM, així com mètodes de registre d’imatges rígids i no rígids. S’analitza en molt deteniment l’efecte d’aquests preprocessats en el resultat final de la proposta. També s’aplica un pas d’emmascarament de la matèria blanca amb la finalitat de reduir l’espai de cerca de les lesions només dins de la màscara.
Posteriorment, s’aplica un llindar a les imatges de resta. Tot i que la determinació del llindar pot ser realitzada pels experts, en aquesta tesi es proposa un procés automatitzat de detecció del llindar òptim que proporciona un compromís satisfactori entre sensibilitat i especificitat. Finalment, es refinen les lesions candidates detectades utilitzant les característiques de la lesió, sobretot amb la finalitat de reduir la detecció de falsos positius. Per a aquest propòsit, s’inclouen les imatges basals i de seguiment, i es fusionen els resultats obtinguts a partir d’imatges PD-w i T2-w d’una manera supervisada i també no supervisada. Els resultats experimentals s’avaluen en una base de dades de 20 pacients amb EM amb una càrrega variable de la lesió, on es disposa també de la segmentació manual proporcionada pels experts. L’avaluació s’ha realitzat de forma qualitativa i quantitativa, incloent una comparació dels diferents processos i usant diverses mètriques per a la detecció i segmentació.
