Studio dell'effetto della standardizzazione dell'intensità di segnale in immagini di risonanza magnetica sulla quantificazione di volumi cerebrali

L'imaging a risonanza magnetica (RM) è una tecnica diagnostica che consente una rappresentazione multiparametrica dei tessuti in vivo e trova importanti applicazioni in ambiti sia clinici che di ricerca medica. L'esame RM strutturale è ampiamente utilizzato per indagare la morfologia del cervello grazie alle sue proprietà di alto contrasto e buona risoluzione spaziale. Dato che non utilizza radiazioni ionizzanti, l'imaging RM è particolarmente adatto all'utilizzo in età pediatrica ed in generale in tutte le situazioni cliniche che richiedono un monitoraggio frequente. Tuttavia, la riproducibilità delle misure morfometriche è ancora argomento di studio poichè la stima dei volumi e spessori delle strutture è direttamente influenzata dalle caratteristiche dell'immagine. Le immagini maggiormente utilizzate per lo studio della morfologia cerebrale sono le cosiddette T1-weighted. I valori di intensità, espressi in toni di grigio, riportati in ogni singolo voxel (elemento di volume dell'immagine 3D) in genere in RM non hanno una valenza quantitativa; viene rappresentato un contrasto tra tessuti diversi, dipendente dai tempi di rilassamento degli spin e dalla densità protonica, in una scala arbitraria d'intensità. Non si ottengono immagini con valori di grigio riproducibili nemmeno all'interno dello stesso protocollo MRI, per la stessa regione corporea e neanche per immagini dello stesso paziente ottenute sul medesimo scanner in momenti diversi. La problematica risulta ancora più evidente quando si vuole analizzare un campione più ampio di soggetti, acquisiti con scanner RM diversi, come ad esempio accade negli studi multicentrici. L'obiettivo della tesi è sviluppare un algoritmo per la standardizzazione del contrasto delle immagini RM strutturali e verificarne l'effetto sul calcolo dei volumi di diversi comparti cerebrali su due dei più usati software di segmentazione: SPM (https://www.l.ion.ucl.ac.uk/spm/) e FreeSurfer (https://surfer.nmr.mgh.harvard.edu/). E' stato identificato in letteratura ed implementato un algoritmo di standardizzazione basato sulla manipolazione non lineare delle intensità di segnale. In particolare, sono stati considerati 20 soggetti del dataset OASIS (https://www.oasis-brains.org) che è adatto ad effettuare studi di riproducibilità in quanto ogni soggetto è stato acquisito 2 volte ad una distanza temporale tra scan e rescan variabile tra 1 ed 89 giorni. L'algoritmo di standardizzazione si compone di diversi passaggi: 1. tutte le immagini sono state riscalate in un intervallo d'intensità compreso tra 0 e 1; 2. le immagini sono state tutte riallineate in modo da estrarre una porzione di tessuto analoga (box) per tutti i soggetti; 3. per ogni box è stato rappresentato l'istogramma nel quale sono visibili i picchi dei diversi tessuti cerebrali: materia grigia (GM), materia bianca (WM) e fluido cerebrospinale (CSF); 4. mediante un fit a tre gaussiane sono stati identificati i livelli di grigio associati ad ogni picco, che sono poi stati riposrtati a una scala standard da noi stabilita; 5. la trasformazione non lineare specifica che ne deriva per ogni soggetto viene utilizzata per modificare le immagini originali, ottenendo quindi immagini con un contrasto armonizzato. Gli istogrammi delle immagini armonizzate risultano visibilmente più simili e sovrapponibili tra loro. Per valutare l'effetto dell'algoritmo di standardizzazione sulla stima delle quantità di GM, WM e CSF da parte dei software SPM e FreeSurfer, i volumi sono stati calcolati per tutti i soggetti sia prima che dopo aver applicato l'algoritmo di standardizzazione. Dato che per le immagini RM in questione non si ha a disposizione una segmentazione voxel per voxel che possa costituire la "verità radiologica", con cui confrontare la bontà e riproducibilità dei risultati della segmentazione, quest'ultima è stata stimata attraverso la differenza tra i volumi stimati sui dati di test e retest