| Summary: | Apesar dos avanços recentes na tecnologia dos aparelhos de ressonância magnética (RM) permitirem a aquisição de imagens de alta resolução, ainda não é possível delinear de forma confiável os limites entre regiões de diferentes citoarquiteturas baseando-se somente nesta modalidade. As imagens de histologia são mandatórias quando se necessita saber o limite exato entre diferentes regiões neuroanatômicas. Contudo, o processamento histológico inevitavelmente causa grandes deforma¸coes no tecido, o que torna a compara- ção direta entre as duas modalidades inviável. Os estudos de neuroimagem/neuroanatomia que necessitam de comparação com a histologia devem necessariamente incluir uma etapa de alinhamento entre as duas modalidades; tarefa que muitas vezes acaba sendo realizada manualmente. Entretanto, o registro manual ´e demorado e pouco acurado, se tornando inviável quando os exames de histologia geram centenas de imagens. Este trabalho propõe um método para registro de imagens de histologia e RM, composto por um conjunto de recomenda¸coes para o preparo das imagens cujo objetivo ´e otimizá-las para o registro; e por uma pipeline computacional capaz de registrar as imagens consideradas. O trabalho aqui descrito foi desenvolvido primeiramente com o intuito de registrar imagens de espécimens de hipocampo provenientes do projeto CINAPCE e, posteriormente, para registro de imagens de encéfalo inteiro provenientes do Banco de Cérebros da Faculdade de Medicina da Universidade de São Paulo. A pipeline computacional foi testada com sucesso em imagens reais de dois encéfalos inteiros. A avaliação quantitativa dos registros realizados foi feita comparando segmenta¸coes manuais do hipocampo direito, núcleo caudado esquerdo e ventrículos laterais superiores, realizadas no volume de RM e da histologia registrada. A quantificação do resultado foi feita através do cálculo das métricas coeficiente de Dice (CSD) e distancia espectral ponderada (DEP) sobre as segmentações. A pipeline obteve um CSD médio de aproximadamente 0,77 e um DEP médio de aproximadamente 0,003. Os resultados mostraram que o método foi capaz de registrar as imagens de histologia nas respectivas imagens de RM exigindo interação mínima com o usuário.
===
Although latest advances in MRI technology have allowed the acquisition of higher resolution images, reliable delineation of cytoarchitectural boundaries is not yet possible based solely on that modality. Histological images are regularly required to locate the exact limits between neuroanatomical structures. Histological processing is nevertheless prone to cause a high amount of tissue distortion, which prevents direct comparison between the two modalities. Neuroimage/neuroanatomy studies that require direct comparison between histology am MRI must include a registration step. Such task is usually manually performed, but that becames infeasible for large histology volumes. Moreover, manual registration is time consuming and inaccurate. This thesis proposes a set of tissue processing recommendations aiming at optimizing the registration proccess, together with a computational pipeline for registering histology to MRI. The herein described work was initially designed to proccess hippocampi specimens from the CINAPCE project and posteriorly improved to process full brain images from the Brain Bank of the Brazilian Aging Brain Study Group. The pipeline was tested on two full brain histology volumes from the Brain Bank of the Brazilian Aging Brain Study Group. Results were assessed by comparison of manual segmentations of the left caudate nucleus, right hippocampus and superior lateral ventricles, performend on both MRIs and registered histology volumes. Quatitative evaluation was performed by computing the Dice coeficient (DC) and normalized weighted spectral distance (WESD) on the segmentations. The pipeline precessing yielded mean DC of 0.77 and mean WESD of 0.0033. The described method was able to sucessfuly register histology to their corresponding MRI volumes with minimal user interaction.
|
|---|
