AVTOMATSKA RAZGRADNJA MAGNETNORESONANČNIH SLIK MOŽGANOV NA NORMALNE IN BOLEZENSKE STRUKTUREGALIMZIANOVA, ALFIIA (Avtor) Pernuš, Franjo (Mentor) Nevrološke in možganskožilne ter duševne bolezni so med največjimi povzročitelji telesne invalidnosti in mentalne prizadetosti v družbah razvitih držav, posledično pa imajo zelo velik in zaradi demografskih trendov še naraščajoč socialno-ekonomski učinek. Zadnje raziskave kažejo, da te bolezni vplivajo tudi na fizično strukturo možganov, npr. preko izgube nevronov, ki se odraža kot atrofija zdravih možganskih struktur ali pojav brazgotin oziroma lezij v možganskih tkivih. Trenutno je tomografsko slikanje z magnetno resonanco (MR) najbolj občutljiva tehnika za prikazovanje zdravih in patoloških možganskih struktur, v zadnjem času pa tudi za kvantitativno analizo teh struktur. V doktorski disertaciji smo se osredotočili na problem avtomatskega obrisovanja oziroma razgradnje MR slik glave na zdrave in patološke strukture. Natančna, zanesljiva in računsko učinkovita razgradnja pridobiva na pomenu v današnji klinični praksi, ker je potrebna za določanje biomarkerjev. Na podlagi MR slik določeni biomarkerji so pomembno orodje za vrednotenje, spremljanje in optimiranje zdravljenja številnih nevroloških, možganskožilnih in duševnih bolezni. Razgradnjo MR slik glave lahko naredimo z ročnim obrisovanjem posameznih struktur zanimanja, a je to opravilo precej težavno, zamudno, stroškovno neučinkovito, predvsem pa subjektivno in zato nezanesljivo. V obsežnih kliničnih študijah, ki vključujejo obdelavo velikega števila MR slik, je očitna potreba po natančnih, zanesljivih in računsko učinkovitih avtomatskih postopkih razgradnje, ki bi v primerjavi z ročnim obrisovanjem v krajšem času in konsistetno obrisali strukture, kar je pomembno za kvantitativne meritve teh struktur oziroma določanje biomarkerjev. Po drugi strani je avtomatska razgradnja zelo zahtevna in občutljiva na številne vire variabilnosti v zajemu MR slik, kot so od objekta slikanja odvisna sivinska nehomogenost zaradi različnih parametrov zajema MR slik ali razlike v kvaliteti slik med različnimi MR napravami, anatomske variabilnosti struktur zanimanja v populaciji in raznolike pojavnosti patoloških struktur. Doktorska disertacija v različnih pogledih uvaja pomembne izboljšave na področju avtomatske razgradnje MR slik in tudi širše. Za razgradnjo MR slik se pogosto uporabljajo kompleksni modeli sivinskih vrednosti večsekvenčnih MR slik, ki opisujejo številne prej omenjene vire variabilnosti MR slik. Poleg strukture modela je ključnega pomena za uporabnost modela tudi postopek za določanje parametrov tega modela iz dane MR slike, ki mora biti čimbolj natančen in robusten. V doktorski disertaciji predlagamo nov postopek za oceno modelov mešanic, ki se navadno uporabljajo za opis zdravih možganskih struktur. Novi postopek je robusten na neenakomerno vzorčenje teh struktur in na prisotnost motilnih vzorcev. Postopek je še posebej primeren za namen razgradnje možganskih struktur, ker deluje zanesljivo ne glede na velikost patoloških struktur v MR slikah. V nadaljevanju predlagamo nov način modeliranja sivinskih vrednosti večsekvenčnih MR slik, ki vključuje prostorsko porazdeljene poenostavljene modele in jih neodvisno drug od drugega določi s prej omenjenim robustnim postopkom. Združevanje tako dobljenih porazdeljenih modelov je pripeljalo do kompleksnega, a natančnega modela celotne MR slike. V zadnjem delu disertacije predlagamo nov postopek za razgradnjo zdravih in patoloških možganskih struktur na podlagi porazdeljenih modelov. Sistematično in objektivno kvantitativno vrednotenje zmogljivosti novega in še nekaterih uveljavljenih postopkov razgradnje zdravih možganskih struktur in lezij v beli možganovini na MR slikah bolnikov z multiplo sklerozo je pokazalo precejšnje povečanje natančnosti in zanesljivosti razgradnje z novim postopkom. Zaradi možnosti učinkovite paralelne implementacije je postopek računsko nezahteven. Glede na visoko natančnost, zanesljivost in učinkovitost so novi postopki primerni za določanje biomarkerjev nevroloških, možganskožilnih in duševnih bolezni.20152015-10-13 07:30:01Doktorsko delo/naloga73089sl