Corpus Callosum parcellation methods in Diffusion Tensor Imaging : implementation, development and analysis

Orientadores: Letícia Rittner, Mariana Pinheiro BentoDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de ComputaçãoResumo: O corpo caloso (CC) é um conjunto de fibras neurais no córtex cerebral, responsável por facilitar a comunicação inter-hemisférica. As características estruturais do CC aparecem como elementos importantes para poder estudar não só o envelhecimento, as diferenças entre gêneros e lateralidade, mas também as doenças neurodegenerativas. Devido ao seu tamanho, o CC é normalmente dividido em regiões menores, também conhecido como parcelamento. O parcelamento do CC em imagens possui relevância por ser um passo necessário aos estudos de área e tamanho de sua estrutura e por auxiliar a análise das propriedades internas do CC. O parcelamento do CC é uma tarefa desafiadora até mesmo para especialistas, pois não há bordas visíveis no CC indicando sua divisão, o que dificulta ainda mais o desenvolvimento de técnicas automáticas para parcelar a estrutura. Existem métodos propostos na literatura que são baseados em modelos, porém como há grande variação de forma e tamanho do CC entre sujeitos, um método baseado apenas em dados específicos por indivíduo e não em modelos pode ser mais preciso. Assim, este trabalho propôs um método automático de parcelamento do CC considerando apenas os dados de difusão extraídos de DTI e baseado na transformada de Watershed. Este não é o primeiro método proposto de parcelamento por dados de DTI. Porém, apesar do método anterior ter demostrado, em um conjunto pequeno de imagens, que a abordagem é capaz de realizar a tarefa do parcelamento do CC, não foi testada sua capacidade de generalização nem a sensibilidade do método à escolha de parâmetros. O primeiro passo foi o estudo dos métodos de parcelamento existentes na literatura. Após implementá-los e compará-los, a partir de uma análise qualitativa e quantitativa, um novo método de parcelamento baseado na abordagem por Watershed foi proposto. O novo método foi testado em um conjunto de 150 imagens e se mostrou pouco sensível a escolha de parâmetros, diferentemente da sua versão original na literatura. As principais contribuições deste trabalho foram: uma revisão sistemática da literatura sobre métodos computacionais de segmentação e parcelamento do CC; dois novos métodos de segmentação do CC, etapa intermediária necessária para a realização do parcelamento; e, por fim, um novo método de parcelamento do CC, com escolha adaptativa dos marcadores para o WatershedAbstract: The corpus callosum (CC) is a set of neural fibers in the cerebral cortex, responsible for facilitating inter-hemispheric communication. The CC structural characteristics appear as an essential element for studying not only aging, gender differences and laterality, but also neurodegenerative diseases. Due to its size, the CC is usually divided into smaller regions, also known as parcellation. The CC image parcellation is relevant because it is a necessary step for area and size studies and also for assisting the analysis of its internal properties. The CC parcellation is a challenging task even for specialists because there are no visible landmarks inside the structure indicating its division, making it even harder to develop automatic techniques to parcellate the structure. There are methods proposed in the literature based on models, but since there is significant variation in CC form and size between subjects, a method based only on specific subject data, and not on models, may be more precise. Thus, this work proposed an automatic method of CC parcellation considering only the diffusion data extracted from DTI and based on the Watershed transform. This is not the first proposed method of CC parcellation based on DTI data. However, although the previous method has demonstrated, in a small set of images, that the approach is capable of performing the parcellation task, its generalization capacity and sensitivity to its parameters selection have not been tested yet. The first step was the study of the CC parcellation methods existing in the literature. After implementing and comparing them, performing a qualitative and quantitative analysis, a new method of CC parcellation, based on the Watershed transform, was proposed. The new method was tested on a set of 150 images and showed little sensitivity to its parameters selection, unlike the original Watershed version from the literature. The main contributions of this work were: a systematic literature review on computational methods of CC segmentation and parcellation; two new CC segmentation methods, an intermediate stage necessary to the CC parcellation task; and lastly, a new CC parcellation method, with Watershed adaptive markers choiceMestradoEngenharia de ComputaçãoMestra em Engenharia ElétricaCAPE