Nuevos algoritmos de registro y clasificación de imágenes cerebrales pet y spect para el diagnóstico del alzheimer

Laburpena

Este trabajo persigue mejorar la efectividad en el diagnóstico precoz del Alzheimer, reduciendo la variabilidad o diferencia de criterio entre observadores, Como hipótesis de partida asumimos que las técnicas tomográficas SPECT y PET permiten cuantificar la aparición de anormalidades y disfunciones en el riego cerebral o en la actividad metabólica anticipando así el diagnóstico incluso antes de que sean observables alteraciones anatómicas o estructurales en tejidos internos u órganos. Por esta razón, la extracción de información de las imágenes SPECT y PET se ha convertido en un área de investigación de interés creciente. En esta Tesis Doctoral realizamos, en este campo, la aportación de nuevas técnicas eficientes de procesado, modelado y clasificación; con el fin de mejorar el rendimiento de las técnicas ya existentes. La mayoría de los estudios realizados en este campo se basan en la medición de parámetros como el flujo sanguíneo cerebral o el volumen de sangre acumulado en una región del cerebro lo cual requiere realizar la descomposición de las imágenes reconstruidas en elementos de volumen (voxels) en los que se encontrarán definidas estas magnitudes discriminativas. El objetivo del trabajo presentado en esta Tesis Doctoral es el diseño de nuevas técnicas de ayuda el diagnóstico basadas en el uso del aprendizaje estadístico supervisado por computador, con el propósito de obtener herramientas útiles para el diagnóstico que manejen la información contenida en los voxels. En este trabajo se desarrollan nuevas técnicas eficientes de procesado y clasificación de imágenes médicas SPECT y PET con el doble objetivo de: a) mejorar la sensibilidad en la detección de la enfermedad de Alzheimer en su etapa precoz, y b) reducir la variabilidad en la interpretación de la imagen por parte del explorador. Además, se ha desarrollado una importante contribución al preprocesado de las imágenes cerebrales de tipo funcional. Concretamente en el campo de los algoritmos de optimización para el registro afín de las imágenes cerebrales. Donde se han propuesto dos nuevos métodos que son más eficientes computacionalmente que los métodos de registro afín de imágenes más populares en la literatura.