Detección y segmentación automática de lesiones en pacientes con esclerosis múltiple en imágenes de resonancia magnética

Abstract

La esclerosis múltiple es una enfermedad crónica neurodegenerativa del sistema nervioso central. Las imágenes de resonancia magnética permiten visualizar y detectar lesiones cerebrales en pacientes de esta enfermedad, por lo que hacer un seguimiento de las mismas es muy importante tanto para el diagnóstico y monitorización de la enfermedad, como para evaluar el efecto del tratamiento. Las redes neuronales convolucionales se han posicionado como una técnica muy prometedora para identificar y segmentar automáticamente estas lesiones. Este trabajo pretende diseñar e implementar una arquitectura de red neuronal convolucional para detectar y segmentar de forma eficiente las lesiones cerebrales en imágenes de resonancia magnética, realizando un ajuste de los hiperparámetros o modificando el pipeline propuesto en otras arquitecturas ya existentes. Se evaluará el resultado del proceso según el coeficiente de similaridad de Dice con datos propios de pacientes propocionados por el Instituto de Investigaciones Biomédicas August Pi i Sunyer (IDIBAPS), lo cual permitirá cuantificar la precisión y la reproducibilidad del modelo.

Multiple sclerosis is a chronic neurodegenerative disease which affects the central nervous system. Magnetic resonance images allow the visualization and detection of brain lesions in patients with this disease, therefore monitoring such lesions is very important for both the diagnosis and monitoring of the disease, and to evaluate the effect of the treatment. Convolutional neural networks are currently a very promising technique to identify and automatically segment these lesions. This work aims to design and implement a convolutional neural network architecture to efficiently detect and segment brain lesions in magnetic resonance images, fine-tuning the hyperparameters or modifying the proposed pipeline in other existing architectures. The result of the process will be evaluated according to the Dice similarity coefficient on private data provided by the August Pi i Sunyer Biomedical Research Institute (IDIBAPS), which will allow to assess the accuracy and reproducibility of the model.

L'esclerosi múltiple és una malaltia crònica neurodegenerativa del sistema nerviós central. Les imatges de ressonància magnètica permeten visualitzar i detectar lesions cerebrals en pacients d'aquesta malaltia, de manera que fer un seguiment de les mateixes és molt important tant per al diagnòstic i monitoratge de la malaltia, com per avaluar l'efecte del tractament. Les xarxes neuronals convolucionals s'han posicionat com una tècnica molt prometedora per identificar i segmentar automàticament aquestes lesions. Aquest treball pretén dissenyar i implementar una arquitectura de xarxa neuronal convolucional per detectar i segmentar de forma eficient les lesions cerebrals en imatges de ressonància magnètica, realitzant un ajust dels hiperparàmetres o modificant el pipeline proposat en altres arquitectures ja existents. S'avaluarà el resultat del procés segons el coeficient de similitud de Dice amb dades pròpies de pacients proporcionades per l'Institut d'Investigacions Biomèdiques August Pi i Sunyer (IDIBAPS), la qual cosa permetrà quantificar la precisió i la reproductibilitat del model.