Automatic segmentation of white matter hyperintensities
Segmentation automatique des anomalies de la substance blanche du sujet âgé
Résumé
White Matter Hyperintensities (WMH) may be observed on T2-weighted magnetic resonance imaging (MRI). Although they are commonly seen in elderly people, it has been demonstrated that a high level of WMH is a risk factor for stroke and dementia. The impact of WMH on cognition or the effect of a low level of WMH remains however controversial. Today, WMH quantification is still mainly performed by visuel rating, although a segmentation would be more sensitive and would enable volume measurement, spatial distribution analysis and lesion follow-up.
This thesis introduces a new pipeline, named WHASA (White matter Hy- perintensities Automatic Segmentation Algorithm), to automatically segment WMH from a T1-weighted and a FLAIR image in multicentre studies. WHASA relies on the coupling of non linear diffusion and watershed segmentation. Regions corresponding to WMH are selected based on intensity and location character- istics. Results obtained with WHASA were evaluated with respect to a manual reference on 67 subjects, for which images have been acquired in six different centres. Performances were also compared to state-of-the-art methods on the same dataset. Finally, WHASA was applied on subjects from new studies to assess its robustness. A total of 260 subjects, for which images were acquired from eleven MRI scanners, including 1,5 T and 3 T machines, and with slice thicknesses varying between 2.5 and 6.2 mm, has been analyzed with WHASA.
Les hyperintensités de la substance blanche (HSB) sont visibles sur les séquences d’imagerie par résonance magnétique (IRM) pondérées en T2. Cou- ramment observées chez les personnes âgées, il est cependant démontré que leur présence en quantité importante est un facteur de risque pour les accidents vasculaires et la démence. Leur impact sur la cognition ou l’effet de HSB plus modérées demeurent néanmoins controversés. A ce jour, la quantification des HSB est principalement réalisée à l’aide d’échelles visuelles alors qu’une segmen- tation serait plus sensible, permettant une mesure volumétrique, une meilleure caractérisation spatiale et un suivi des lésions dans le temps.
Cette thèse présente une nouvelle chaîne de traitements, nommée WHASA (White matter Hyperintensities Automatic Segmentation Algorithm), permettant la segmentation automatique des HSB à partir d’une image T1 et d’une image FLAIR dans un environnement multicentrique. Elle s’appuie sur l’utilisation couplée d’un filtrage par diffusion non linéaire et une segmentation par ligne de partage des eaux. Les régions correspondant aux HSB sont sélectionnées à partir de caractéristiques sur les intensités et la localisation. Les résultats obtenus par WHASA sur 67 sujets provenant de six centres différents sont évalués par rapport à une segmentation manuelle de référence. Les performances sont ensuite comparées avec celles de plusieurs méthodes issues de la littérature. Enfin, WHASA est appliquée sur des données issues d’autres études pour évaluer sa robustesse. Au total, WHASA a été utilisée sur 260 sujets provenant de onze machines IRM, comprenant des imageurs 1,5 T et 3 T, avec des épaisseurs de coupe variant entre 2,5 et 6,2 mm.
Loading...