Desenvolvimento e aplicação de ferramentas para o pré-processamento de imagens de ressonância magnética multi-espectral

Abstract

A imagem por ressonância magnética é uma técnica com bastante aplicabilidade em diversas patologias, pelo que há necessidade de compreender e retirar o máximo de informação destas imagens, bem como utilizá-la na sua totalidade combinando diversas sequências em estudos multi-espectrais. Neste trabalho, processou-se um conjunto de imagens de ressonância magnética multi-espectral cerebrais para garantir que, a cada voxel de cada imagem, corresponde sempre a mesma porção de tecido em todas as imagens. Estas imagens foram processadas para que uma futura classificação automática seja o mais fiel possível. Para tal, foi feito o registo, a correcção de não-homogeneidades e uma segmentação com recurso ao Statistical Parametric Mapping (SPM12). Seguidamente, foi criada uma máscara única, para a realização de Skull Stripping. Esta máscara foi posteriormente optimizada. Foram também eliminados os voxeis não nulos do fundo e normalizada a escala de cinzentos. Todas as funcionalidades foram testadas com as imagens provenientes do BrainWeb. Após este processamento, consegui-se obter uma máscara única de selecção da região de interesse bastante selectiva, resultado de um registo eficiente, não afectado pelas variações do fundo, presente nas diversas sequências, da remoção das não-homogeneidades de campo e de um passo adicional de melhoramento da máscara, e que permitiu remover grande parte dos tecidos não-pertencentes à região de interesse presentes na aplicação da primeira máscara às imagens. Com este trabalho, concluiu-se que é necessário pré-processar as imagens para que se possa retirar o máximo de informação fidedigna possível, especialmente em estudos onde é necessário comparar diversas imagens como é o caso dos estudos multi-espectrais. Concluiu-se também que este tipo de estudos são uma mais valia no processo de selecção da região de interesse, visto que utilizam informação de mais que uma técnica. No entanto, caso se pretenda uma melhor selecção, talvez seja necessário adaptar cada processo às imagens em causa.