Robuuste Diep Lerende Methoden voor MR(S)I Karakterisering van Hersenletsels

Het hoofdonderwerp van het proefschrift is het ontwikkelen van nieuwe methodologieën voor de beeldvormende karakterisering van hersenletsels. Veel van de pathologieën gerelateerd aan de hersenen worden gediagnosticeerd en opgevolgd aan de hand van magnetische resonantie beeldvorming (MRI) scans, waarbij de hersenletsels worden beoordeeld. Veel onderzoek is verricht op het gebied van het detecteren, segmenteren, classificeren of op andere manieren beoordelen van hersenletsels. Echter, vanwege de reikwijdte en diversiteit van de verkrijgingsprotocollen, hersenpathologieën, klinische behoeften of specifieke onderzoeksdoelstellingen, blijven er veel uitdagingen bestaan bij het adresseren van de robuuste karakterisering van hersenletsels in MRI's in de echte wereld. Het proefschrift onderzoekt verschillende diep-leren technieken met als doel de optimale oplossing te vinden voor een robuuste segmentatie, classificatie en longitudinale analyse van hersenletsels bij multiple sclerose (MS).

Meer recentelijk is magnetische resonantie spectroscopische beeldvorming (MRSI) ook relevant geworden, met name voor de beoordeling van hersentumoren. Spectroscopische scans bevatten waardevolle metabole weefselinformatie, maar zijn vaak lawaaierig en gevoelig voor artefacten. Een van de belangrijkste openstaande problemen is de kwalitatieve beoordeling van de verkregen gegevens. Het in het proefschrift gepresenteerde werk omvat ook de diep-leren pipeline voor automatische en robuuste kwaliteitscontrole van MRSI-gegevens.

De belangrijkste doelstellingen worden behandeld in drie hoofdpunten:

O1. Onderzoek de mogelijkheden voor de ontwikkeling van medische beeldvormingssoftware die in staat is tot robuuste detectie, segmentatie en classificatie van hersenletsels bij MS; definieer en ontwikkel diep-leren modellen die de taak kunnen automatiseren en versnellen.
O2. Analyseer de longitudinale patronen van hersen-MRI-biomarkers die de evolutie van MS in de loop van de tijd weerspiegelen in grotere populaties; ontwikkel tools voor de longitudinale tracking van de ziekte.
O3. Onderzoek de mogelijke toepassingen en nadelen van nieuwe MRSI-verkrijgingsprotocollen; stel voor en ontwikkel een snelle en betrouwbare methode voor kwaliteitscontrolefiltering van grote aantallen spectra.