Automated methods on magnetic resonance brain imaging in multiple sclerosis

Abstract

In this thesis, we have focused on the image pre-processing in order to enhance the image information. The main aspects of this enhancement rely on removing any image noise and correcting any intensity bias induced by the scanner. Besides, we also contributed with a new technique based on a multispectral, adaptive, region growing algorithm in order to segment the brain from the rest of the head. We include, as a pre-processing step, the image registration process, in which we proposed a novel pipeline by using information from multiple modalities to improve the results of this process. Furthermore, we have also studied the current techniques for the detection and segmentation of WML, proposing a new method based on a previous proposal. Therefore, we presented a tool able to automatically detect and segment WML of Multiple sclerosis and Lupus patients.

En aquesta tesi ens centrem, per una part, en el pre-processat de la imatge per tal d'eliminar el soroll i corregir les inhomogeneïtats en les intensitats, ambdós errors introduïts per l'escàner. A més hem contribuït també amb una nova tècnica basada en un algoritme de “región growing” per tal de segmentar el cervell de dins de tota la imatge del cap. Incloem com a pre-processat el registre d'imatges, on hem proposat una “pipeline" mitjançant la informació de múltiples modalitats per tal de millorar els resultats d'aquest procés. Per altra banda, hem estudiat també les tècniques actuals de detecció i segmentació de lesions en la matèria blanca, proposant un mètode nou basat en anteriors propostes. Així doncs, presentem una eina automàtica capaç de detectar i segmentar lesions en la matèria blanca de pacients d'Esclerosi Múltiple i Lupus.