http://hdl.handle.net/10256/11654 Wed, 02 Jul 2025 04:01:24 GMT 2025-07-02T04:01:24Z http://hdl.handle.net/10256/26725 Applications of deep learning techniques in magnetic resonance imaging for multiple sclerosis: from research innovations to clinical implementation Valencia Rodriguez, Liliana ENG - This thesis explores how advanced artificial intelligence techniques, specifically deep learning, can improve the analysis of brain scans (MRI) for people with multiple sclerosis (MS). The study focuses on three key areas. First, it introduces a new AI tool designed to accurately and consistently isolate the brain from the surrounding tissues in MRI scans. This is crucial for many analyses and can improve the accuracy of brain volume measurements, which are important for tracking disease progression. Secondly, the research develops a method to generate synthetic brain scans from existing ones. This can help improve the detection of MS lesions (areas of brain damage) while potentially reducing the need for expensive and time-consuming MRI scans. Finally, the study investigates the practical challenges of bringing these AI tools into real-world clinical use. This includes navigating regulations and ensuring the safety and effectiveness of these technologies for patients. In summary, this research aims to improve the diagnosis and management of MS by developing and implementing innovative AI solutions for analyzing brain MRI scans; CAT - Aquesta tesi explora com les tècniques avançades d'intel·ligència artificial, concretament l'aprenentatge profund, poden millorar l'anàlisi de les exploracions cerebrals (MRI) per a persones amb esclerosi múltiple (EM). L'estudi se centra en tres àrees clau. En primer lloc, introdueix una nova eina d'IA dissenyada per aïllar de manera precisa i coherent el cervell dels teixits circumdants en les exploracions de ressonància magnètica. Això és crucial per a moltes anàlisis i pot millorar la precisió de les mesures del volum cerebral, que són importants per fer un seguiment de la progressió de la malaltia. En segon lloc, la investigació desenvolupa un mètode per generar exploracions cerebrals sintètiques a partir de les existents. Això pot ajudar a millorar la detecció de lesions d'EM (àrees de dany cerebral) alhora que redueix potencialment la necessitat d'exploracions de ressonància magnètica costoses i que requereixen temps. Finalment, l'estudi investiga els reptes pràctics de portar aquestes eines d'IA a l'ús clínic del món real. Això inclou navegar per les normatives i garantir la seguretat i l'eficàcia d'aquestes tecnologies per als pacients. En resum, aquesta investigació pretén millorar el diagnòstic i la gestió de l'EM desenvolupant i implementant solucions innovadores d'IA per analitzar ressonàncies magnètiques cerebrals Thu, 06 Mar 2025 00:00:00 GMT http://hdl.handle.net/10256/26725 2025-03-06T00:00:00Z http://hdl.handle.net/10256/23047 Deep learning methods for extraction of neuroimage markers in the prognosis of brain pathologies Clèrigues Garcia, Albert This PhD thesis focuses on improving the extraction of neuroimage markers for the prognosis and outcome prediction of neurological pathologies such as ischemic stroke, Alzheimer’s disease (AD) and multiple sclerosis (MS). Our work has been developed on two of the most relevant neuroimage markers for diagnosis and prediction, brain lesion segmentation and longitudinal atrophy quantification. Brain lesion segmentation can be directly used in MS and ischemic stroke as a prognostic marker and can also be useful for other downstream segmentation tasks. In MS, disease activity produces very characteristic lesions which can help with diagnosis and prognosis of the pathology. In ischemic stroke, lesion segmentation can inform the treatment decision workflow by quantifying the amount of tissue that could be salvaged against the risks of surgical intervention. We also tackle in this PhD thesis the task of brain tissue segmentation for longitudinal atrophy quantification, a validated prognostic image marker in MS and AD. Measurements of longitudinal atrophy can be used to assess the rate of disease progression and might even help to predict AD onset years in advance. In MS patients, an accelerated rate of brain atrophy is also observed as a result of disease activity and is used as a prognostic marker and to evaluate the response of disease-modifying treatments; Aquesta tesi doctoral se centra en millorar l’extracció de marcadors de neuroimatge per al pronòstic i predicció de l’estat del pacient en patologies neurològiques com l’ictus isquèmic, la malaltia d’Alzheimer o l’esclerosi múltiple (EM). El nostre treball ha estat desenvolupat en dos dels marcadors de neuroimatge més rellevants per al diagnòstic i la predicció; la segmentació de lesions cerebrals i la quantificació longitudinal d’atròfia. La segmentació de lesions pot ser utilitzada directament en ictus i en EM com a marcador del pronòstic i també pot ser útil en posteriors tasques de segmentació. A l’EM, l’activitat de la malaltia produeix lesions molt característiques que poden informar el diagnòstic i el pronòstic de la patologia. A l’ictus isquèmic, la segmentació de la lesió pot assistir en la decisió del tractament mitjançant la quantificació del teixit que podria salvar-se front als riscos de la intervenció quirúrgica. També abordem en aquesta tesi doctoral la segmentació del teixit cerebral per a la quantificació de l’atròfia longitudinal, un marcador d’imatge pronòstic validat a la EM i la malaltia d’Alzheimer. Les mesures de l’atròfia longitudinal es poden fer servir per avaluar la velocitat de progressió de la malaltia i fins i tot podrien ajudar a predir l’inici de la malaltia d’Alzheimer anys abans de mostrar els primers símptomes. En pacients amb EM, també s’observa una taxa accelerada d’atròfia cerebral com a resultat de l’activitat de la malaltia i la seva mesura pot servir com a marcador pronòstic i també per avaluar la resposta als tractaments modificadors de la malaltia Mon, 13 Feb 2023 00:00:00 GMT http://hdl.handle.net/10256/23047 2023-02-13T00:00:00Z http://hdl.handle.net/10256/23029 Underwater 3d sensing using structured light: development of an underwater laser scanner and a non-rigid point cloud registration method Castillón Sánchez, Miguel Accurate underwater 3D perception is essential to advance towards the automation of expensive, dangerous and/or time-consuming tasks, such as the inspection, maintenance and repair of off-shore industrial sites. Accurate underwater 3D sensors can potentially have a large positive impact on the progress of tasks like object detection and semantic mapping, which are key to the development of robotic platforms capable of a higher level of abstraction. Moreover, these advances would decidedly contribute to the transition from remotely operated vehicles (ROVs) towards autonomous underwater vehicles (AUVs) in industrial operations. However, accurate underwater 3D perception is very hard to achieve because of the many physical particularities of light propagation in water, including refraction: the direction of light rays changes due to the different refraction indices of the media it travels through. This thesis focuses on the development of a novel underwater 3D scanner and a nonrigid point cloud registration method aimed at enabling underwater 3D reconstructions with accuracies in the order of millimeters both in static and dynamic missions. The thesis is structured according to these two main contributions, which resulted in five journal articles. The first main contribution of this thesis is designing and building an underwater 3D scanner using a 2-axis mirror. The second axis of the rotating mirror allows us to project optimally-curved scanning patterns designed to counteract refraction, so that they transform into straight lines when entering the water. This results in a decrease in computational complexity of the 3D reconstruction while maintaining millimeter accuracy. Minor contributions of this part of the thesis are the design of a ray-tracing model to study the effect of each optical component on the quality of the 3D reconstruction and the development of a simplified calibration algorithm based on numeric projection functions. The second main contribution of this thesis is the development of a non-rigid point cloud registration method that can successfully minimize the motion distortion that appears when the scanner is mounted on a moving robot. Finally, this thesis also includes unpublished 3D reconstructions performed during missions both in the water tank at the Centre d’Investigació en Robòtica Submarina (CIRS) and at sea; Una percepció submarina 3D d’alta precisió és essencial per avançar cap a l’automatització de tasques com la inspecció, el manteniment i la reparació d’estructures industrials submarines, las quals actualment comporten un elevat preu, risc i/o durada. Disposar de sensors 3D subaquàtics d’alta precisió podria accelerar el progrés de tasques com la detecció d’objectes i el mapejat semàntic, claus per al desenvolupament de plataformes robòtiques capaces d’un nivell d’abstracció més alt. A més, aquest avenç contribuiria de forma decisiva a la transició a nivell industrial des de vehicles submarins operats remotament (ROVs) cap a vehicles submarins autònoms (AUVs). No obstant això, aconseguir percepció 3D d’alta precisió sota l’aigua és difícil per les moltes particularitats físiques de la propagació de la llum a l’aigua, incloent-hi la refracció: la llum canvia de direcció a causa dels diferents índexs de refracció dels mitjans pels quals viatja. Aquesta tesi se centra en el desenvolupament d’un nou escàner 3D submarí i un mètode de registre no-rígid de núvols de punts amb l’objectiu de crear reconstruccions submarines en 3D amb precisions a l’ordre de mil·límetres tant en missions estàtiques com dinàmiques. La tesi s’estructura segons aquestes dues contribucions principals, las quals ens han permès publicar cinc articles en revistes científiques. La primera contribució principal és el disseny i la construcció d’un escàner 3D submarí usant un mirall de dos eixos de rotació. El segon eix del mirall ens permet projectar patrons d’escaneig corbats de manera òptima per contrarestar la refracció, de manera que es transformin en línies rectes en entrar a l’aigua. Així, podem disminuir la complexitat computacional de la reconstrucció 3D mentre mantenim una precisió mil·limètrica. Altres contribucions de menor rang d’aquesta part de la tesi són el disseny d’un model de la direcció del feix làser per estudiar l’efecte de cada component òptic en la qualitat de la reconstrucció 3D, i el desenvolupament d’un algoritme de calibració simplificat basat en funcions numèriques de projecció. La segona contribució principal és un mètode de registre no-rígid de núvols de punts que minimitza la distorsió present als escanejats quan el sensor està muntat en un robot en moviment. Finalment, aquesta tesi també inclou reconstruccions 3D no publicades fins ara i que van ser realitzades en missions tant a la piscina del Centre d’Investigació en Robòtica Submarina (CIRS) com al mar Fri, 10 Feb 2023 00:00:00 GMT http://hdl.handle.net/10256/23029 2023-02-10T00:00:00Z http://hdl.handle.net/10256/20810 Automated 3D object recognition in underwater scenarios for manipulation Himri, Khadidja In recent decades, the rapid development of intelligent vehicle and 3D scanning tecnologies has led to a growing interest in applications based on 3D point data processing, with many applications such as augmented reality or robot manipulation and obstacle avoidance, scene understanding, robot navigation, tracking and assistive technology among others, requiring an accurate solution for the 3D pose of the recognized objects. Thus object recognition is becoming an important topic in computer vision, where machine vision and robotics techniques are becoming key players. In this thesis work, the main objective is to develop a semantic mapping method by integrating a 3D object recognition pipeline with a feature-based SLAM system, in order to assist autonomous underwater interventions in the near future. To this end, the work proposed in this paper targets three axes. First, it aims to compare the performance of 3D global descriptors within the state of the art, focusing on those based on point clouds and targeted at real-time object recognition applications. For this purpose, we selected a set of test objects representative of Inspection, Maintenance and Repair (IMR) applications and whose shape is usually known a priori. Their CAD models were used to: 1) create a data base of synthetic object views used as a priori knowledge, and 2) simulate the point clouds that would be gathered during the scanning under realistic conditions, with added noise and varying resolution. Extensive experiments were performed with both virtual scans and real data collected with an AUV equipped with a fast laser scanner developed at our research centre. The second goal of our work was to use a real-time laser scanner mounted on an AUV to detect, identify, and locate objects in the robot’s environment, with the aim of allowing an intervention Autonomous Underwater Vehicle (I-AUV) to know what manipulation actions could be performed on each object. This goal was tackled by the design and development of a 3D object recognition method for uncolored point clouds (laser scans) using point features. The algorithm uses a database of partial views of the objects stored as point clouds. The recognition pipeline includes 5 stages: 1) Plane segmentation, 2) Pipe detection, 3) Semantic Object-segmentation, 4) Feature-based Object Recognition and 5) Bayesian estimation. To apply Bayesian estimation, it is necessary to track objects across scans. For this purpose, the Inter-distance Joint Compatibility Branch and Bound (IJCBB) data association algorithm was proposed based on the distances between objects. The performance of the method was tested using a dataset of the inspection of a pipe infrastructure made of PVC objects connected by pipes. The structure is representative of those commonly used by the offshore industry. Experimental results show that Bayesian estimation improves the recognition performance with respect to the case where only the descriptor is used. The inclusion of semantic information about object pipe connectivity further improves recognition performance. The final goal of the thesis, consists of integrating the 3D object recognition system with a feature-based SLAM system to implement a semantic map providing the robot with information about the location and the type of objects in its surroundings. The SLAM improved both the accuracy and reliability of pose estimates of the robot and the objects. This is especially important in challenging scenarios where significant changes in viewpoint and appearance arise; A les darreres dècades, el ràpid desenvolupament de vehicles intel·ligents i de les tecnologies d’escaneig 3D han contribuït a augmentar l’interès en les aplicacions basades en processament de núvols de punts 3D, amb aplicacions com la realitat augmentada, la manipulació robòtica, l’evasió d’obstacles, la comprensió d’escenes, la navegació robòtica, el seguiment d’objectes i la tecnologia d’assistència, etc., que requereixen una soluci´o precisa de la posició 3D i l’orientació d’un objecte. Per tant, el reconeixement d’objectes s’està convertint en un tema, on la visió per computador i les tècniques robòtiques esdevenen protagonistes clau. En aquest treball de tesi, l’objectiu principal és desenvolupar un mètode per a la construcció de mapes semàntic mitjançant la integració d’una cadena de processament per al reconeixement d’objectes 3D, amb un sistema de SLAM basat en característiques, amb l’objectiu d’ajudar a les futures intervencions submarines. Per això, el treball proposat en aquesta tesi es divideix en tres eixos principals. El primer té com a objectiu comparar el rendiment de descriptors globals d’última generació, centrant-se en els basats en núvols de punts 3D i destinats a aplicacions de reconeixement d’objectes en temps real. Per a aquest objectiu, s’ha seleccionat un conjunt d’objectes de prova representatius d’aplicacions d’inspecció, manteniment i reparació (IMR), la forma dels quals es coneix a priori. Els seus models CAD s’han utilitzat per a: 1) crear una base de dades amb les vistes sintètiques dels objectes, i 2) simular els núvols de punts que adquiriria, en condicions realistes, un escàner làser incloent soroll sintètic i simulant diferents resolucions. S’han dut a terme experiments tant a partir d’escaneigs virtuals com de dades reals recopilades amb un AUV equipat amb un escàner làser de temps real desenvolupat al nostre centre de recerca. El segon objectiu del nostre treball va consistir en utilitzar aquest escàner làser, muntat a un AUV per detectar, reconèixer i localitzar objectes a l’entorn del robot, per tal de permetre, a un Vehicle Submarí Autònoms d’Intervenció (IAUV), saber quines accions de manipulació podria fer amb cada objecte. Aquest objectiu es va abordar amb el disseny i el desenvolupament d’un mètode de reconeixement d’objectes 3D en núvols de punts incolors (escanejos làser) utilitzant descriptors dels punts 3D. L’algorisme utilitza una base de dades de vistes parcials dels objectes emmagatzemats en forma de núvols de punts. El procés de reconeixement consta de 5 passos: 1) Segmentació de plànols, 2) Detecció de canonades, 3) Segmentació semàntica d’objectes, 4) Reconeixement d’objectes a partir dels descriptors de punts 3D i 5) Estimació bayesiana. Per aplicar l’estimació bayesiana, cal ser capaços de fer un seguiment dels objectes en escanejos successius. Per fer-ho, s’ha proposat l’algorisme Inter-distance Joint-Compatibility Branch and Bound (IJCBB) d’associació de dades basada en les distancies entre objectes dins del núvol de punts. El rendiment del mètode es va avaluar fent servir dades experimentals relatives a la inspecció d’una infraestructura composta de canonades interconnectades per objectes de PVC. L’estructura ´es representativa de les comunament utilitzades per la indústria offshore. Els resultats experimentals mostren que l’estimació bayesiana millora el rendiment del reconeixement en comparació de l’ús ´únic del descriptor. La inclusió d’informació semàntica sobre la connectivitat d’objectes a canonades millora encara més el rendiment del reconeixement. L’objectiu final de la tesi va abordar la integració del sistema de reconeixement d’objectes 3D basat en descriptors amb un sistema de SLAM basat en característiques, per implementar un mapa semàntic que proporciona al robot informació sobre la ubicació i el tipus d’objectes a l’entorn. La utilització de tècniques de SLAM ha millorat la precisió i la fiabilitat de les estimacions de la postura del robot i els objectes. Això és especialment important en escenaris difícils on es produeixen canvis significatius de perspectiva i aparença Fri, 10 Dec 2021 00:00:00 GMT http://hdl.handle.net/10256/20810 2021-12-10T00:00:00Z