Método eficiente de clustering de fibras cerebrales basado en distribución de puntos.

Abstract

Los avances tecnológicos en la imagenología del cerebro humano han ayudado mucho en los campos de investigación de neurociencia y medicina proporcionando numerosos métodos que van desde el diagnóstico de ciertas enfermedades hasta nuevas herramientas de apoyo en neurocirugía. Mediante la Resonancia Magnética de Difusión (dMRI) es posible obtener los tractos de fibras de la materia blanca (WM). Con la tractografía se representan las principales trayectorias de las fibras cerebrales en el espacio 3D, obteniendo la estructura de la materia blanca para diferentes poblaciones de sujetos. La principal motivación para el trabajo propuesto en esta tesis, es la necesidad de disponer de un método de clustering de fibras de la materia blanca del cerebro. El clustering se basa en agrupar fibras, con similar forma, trayectoria y posición en fascículos, partiendo de las fibras en 3D de una tractografía. El método implementado consiste en descubrir fascículos de fibras cortas y largas en una tractografía utilizando técnicas de clustering. El algoritmo consta de cuatro etapas: construcción de los clústeres de puntos, generación de clústeres de fibras preliminares, reasignación de los clústeres más pequeños de fibras preliminares a clústeres más grandes y fusión de clústeres de fibras candidatos. Se realizaron pruebas con sujetos de la base de datos ARCHI y se compararon los resultados con el método QuickBundles. Además, se llevó a cabo un análisis cualitativo y cuantitativo del método y mediciones del tiempo de ejecución. Para una tractografía de 2.7 millones de fibras se ejecuta aproximadamente en 8 minutos. Como conclusión, se ha creado un nuevo algoritmo que descubre clústeres de buena calidad de fibras cortas y largas, sobre tractografías de gran tamaño. Además, mejora muchos aspectos de los algoritmos presentes en el estado del arte, tales como: la calidad de los clústeres, tiempo de ejecución e independencia de información anatómica y de software privativo.