Deep learning methods for extraction of neuroimage markers in the prognosis of brain pathologies

Abstract

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