Análisis de imágenes cerebrales con FDG-PET en relación a una plantilla de estudios normales.

En esta tesis se desarrollaron dos algoritmos de registración de imágenes cerebrales obtenidas mediante Tomografía Computada (CT), PET (Tomografía por Emisión de Positrones) y RMN (Resonancia Magnética Nuclear). El primero de ellos usa registración rígida basada en cuaterniones y el segundo utiliza una registración deformable basada en B-Splines, ambos aplicando maximización de la función de información mutua. Los algoritmos fueron validados utilizando datos adquiridos en marco de la tesis: la registración rígida fue validada con fantomas con un error de 1.24 mm para registraciones de CT-RM (T1) y 1.57 mm para registraciones RM (T1)-PET, mientras que el algoritmo de registración deformable fue validado mediante imágenes de pacientes de PET con un error de 2.7 mm. Como parte de los objetivos del trabajo se generó y amplió una base de datos regional de estudios cerebrales con PET-FDG-F18 dentro del esquema de plantillas propuesto por el software SPM (Statistical Parametric Mapping). Esta plantilla regional fue exportada a la plataforma de visualización DICOM (Digital Imaging and Communication in Medicine) OsiriX ® para el análisis de casos patológicos. Se compararon 18 casos normales y 5 casos patológicos respecto de la plantilla generada. Los casos analizados coincidieron con el diagnóstico clínico, pudiendo analizarse patologías como Alzheimer, demencias frontotemporal y demencia de los cuerpos de Lewy. En el análisis estadístico de las imágenes con la plantillas se obtuvieron resultados concordantes con los hallazgos clínicos. Las diferentes técnicas de normalización de las imágenes permitieron realizar un análisis diferencial de los casos patológicos, aportando mayor información diagnóstica