Μελέτη ακτινομικών χαρακτηριστικών (radiomics) στη νόσο Alzheimer
Image analysis of brain MRI for Alzheimer's disease based on radiomics
Μεταπτυχιακή διπλωματική εργασία
Author
Ναλεντζή-Μαριάνου, Κατερίνα
Date
2022-11-01Advisor
Κωστόπουλος, ΣπυρίδωνKeywords
Άνοια ; Νόσος Αλτσχάιμερ ; Radiomics ; Ακτινομική ; Νευροαπεικονιστικοί βιοδείκτες ; OASIS-2Abstract
Η νόσος Alzheimer (AD) πρόκειται για τον τύπο άνοιας που κυριαρχεί σε συχνότητα εμφάνισης στους επιδημιολογικούς δείκτες των νευροεκφυλιστικών παθήσεων. Αν υπάρξει θεραπευτική παρέμβαση στα πρόδρομα στάδια της νόσου, τα ποσοστά θνησιμότητας μειώνονται σημαντικά. Ο συνηθέστερος κλινικά τρόπος απεικόνισης συγκεκριμένων παθολογικών αλλαγών στον εγκέφαλο ασθενών με AD πρόκειται για την δομική μαγνητική τομογραφία εγκεφάλου. Τα radiomics φαίνεται πως έχουν μεγάλες δυνατότητες στον ποσοτικό προσδιορισμό των πληροφοριών που παρέχονται από ακτινολογικές εικόνες. Το σύνολο των δεδομένων που χρησιμοποιήθηκε σε αυτή τη διπλωματική εργασία αποτελείται από μαγνητικές τομογραφίες βάρους Τ1 136 ατόμων (78 γυναίκες και 58 άνδρες) από 62 έως 98 ετών. 72 άτομα χαρακτηρίστηκαν ως άτομα φυσιολογικής γήρανσης
και 64 διαγνώστηκαν με AD. Στην παρούσα μελέτη πειραματιστήκαμε με την εξαγωγή χαρακτηριστικών υφής από ολόκληρη την περιοχή του εγκεφάλου. Η περιγραφή των ορίων του εγκεφάλου έγινε χειροκίνητα για την δημιουργία της περιοχής ενδιαφέροντος (ROI) σε στεφανιαίο επίπεδο για την καλύτερη απεικόνιση του ιππόκαμπου. Από κάθε ROI εξήχθησαν 25 ακτινομικά χαρακτηριστικά από τα οποία τα 17 ήταν πρώτης τάξης (στατιστικά χαρακτηριστικά με βάση την ένταση) και τα 8 ήταν δεύτερης τάξης (χαρακτηριστικά υφής που βασίζονται σε πίνακες συνεμφάνισης των τόνων του γκρι -GLCM). Για την στατιστική ανάλυση των αποτελεσμάτων χρησιμοποιήθηκε το Wilcoxon test και το Student’s t-test (p<0,01). Τα χαρακτηριστικά υποβλήθηκαν επίσης σε έλεγχο κανονικής κατανομής με Lilliefors test. Τα άτομα με άνοια βρέθηκαν με υψηλότερη μεταβλητότητα της πυκνότητας των τόνων του γκρι στο ROI (χαρακτηριστικό «ενέργεια» με βάση την ένταση) και μεγαλύτερη ομοιομορφία στους τόνους του γκρι στο ROI (χαρακτηριστικό «10ο εκατοστημόριο» πρώτης τάξης) σε σύγκριση με τα άτομα φυσιολογικής γήρανσης. Τα radiomics που βασίζονται σε ολόκληρη την περιοχή του εγκεφάλου μπορεί να παρέχουν ποσοτικές πληροφορίες για την καλύτερη κατανόηση της εγκεφαλικής ατροφίας που προκαλείται από τη νόσο Alzheimer και δυνητικά να χρησιμοποιηθούν ως νευροαπεικονιστικοί βιοδείκτες της νόσου.
Abstract
The most prevalent kind of dementia is Alzheimer's disease (AD). Prodromal stages of dementia are known to respond well to treatment, significantly lowering mortality rates. Visualizing specific alterations in the brain tissue of AD patients is made possible by structural and functional magnetic resonance imaging (MRI) of the brain. Radiomics have shown great promises in quantifying radiology-based image information. The dataset used in this postgraduate thesis consists of T1-weighted MRI scans of 136 subjects (78 females and 58 males) aged 62 to 98. 72 of the subjects were categorized as nondemented and 64 were characterized as demented. We have experimented with extracting hand-crafted textural features by the whole-brain region. The brain boundaries were manually delineated from the coronal planes to create the region of interest (ROI), to provide a clear imaging of hippocampus. From each ROI a set of radiomics were extracted; 17 intensity based statistical features and 8 textural features based on gray level co-occurrence matrices (GLCM). The Wilcoxon non-parametric and the student’s statistical tests were employed for statistical analysis (p<0.01). Features were undergone normality test, based on Lilliefors statistical test.
Demented cases were found with higher variability of overall density in the ROI (intensity-based energy feature), smaller structures uniformly arranged in four directions (short run emphasis feature) and equally distributed structures along grey levels (gray-level non uniformity feature). Radiomics based on whole-brain tissue may provide quantitative information for the better understanding of the brain tissue atrophy caused by AD and could potentially be used as neuroimaging biomarkers for AD.