Functional ultrasound is an emerging imaging technique that combines high spatiotemporal resolution, deep penetration, and high sensitivity at detecting an increase of blood flow in cerebral microvessels, that are coupled with neuronal activations. As in the case of fMRI, the registration to a reference atlas is mandatory to assess the activation of specific brain areas. In this work, we introduce a new method that automatically aligns the acquired fUS images of the mouse brain to a reference atlas. The registration optimizes the overlapping of the atlas volume and the volume extracted from the anatomy scan. The 3D transform is computed in 1 minute, with an overall accuracy of 400um over multiple trials, making this method suited for real-time probe driving support over the region of interest and for mapping brain activations extracted from the fUS acquisitions. We also implemented a statistical approach for detecting active pixels in functional ultrasound videos based. We compared the automatic method with the current standard method in literature, the landmark-based registration. The latter shows higher accuracy, though the manual landmark placing is way more time-consuming and prone to human error than the automatic method here described. In conclusion, these results are remarkable and encourage the developing of more advanced automatic methods.

L'ecografia funzionale è una tecnica di imaging che unisce alta risoluzione spaziotemporale, elevata penetrazione nei tessuti ed alta sensibilità alle variazioni di flusso sanguigno, nella microvascolarizzazione cerebrale. Tali variazioni di flusso sono legate ad un'attivazione neuronale. Come per la fMRI, l'allineamento delle immagini su di un atlante di riferimento è uno step necessario per analizzare il comportamento delle singole aree. In questo lavoro, introduciamo un nuovo metodo di allineamento 3D delle scansioni ecografiche di cervello di topo, su di un atlante digitale. La registrazione ottimizza il sovrapponimento del volume scansionato con quello dell'atlante. Tale metodo consente di ottenere la trasformata 3D automaticamente ed in un minuto, con un'accuratezza di 400um, calcolata in diversi setup sperimentali. Esso è quindi adatto ad applicazioni in tempo reale per guidare la sonda ecografica sulla zona cerebrale d'interesse e per mappare le attivazioni estratte da video funzionali. Abbiamo inoltre, implementato un metodo statistico per l'estrazione di tali attività. Abbiamo messo a confronto il nostro metodo automatico con quello manuale basato su allineamento di landmark, correntemente utilizzato in letteratura. Il metodo manuale risulta avere un'accuratezza maggiore, ma richiede molto tempo per l'operatore ed è soggetto ad errore umano. I risultati trovati per il metodo automatico sono notevoli e ne incoraggiano lo sviluppo.

Implementation of a 3D morphological registration method for functional ultrasound brain imaging

QUADRARO, DAMIANO
2018/2019

Abstract

Functional ultrasound is an emerging imaging technique that combines high spatiotemporal resolution, deep penetration, and high sensitivity at detecting an increase of blood flow in cerebral microvessels, that are coupled with neuronal activations. As in the case of fMRI, the registration to a reference atlas is mandatory to assess the activation of specific brain areas. In this work, we introduce a new method that automatically aligns the acquired fUS images of the mouse brain to a reference atlas. The registration optimizes the overlapping of the atlas volume and the volume extracted from the anatomy scan. The 3D transform is computed in 1 minute, with an overall accuracy of 400um over multiple trials, making this method suited for real-time probe driving support over the region of interest and for mapping brain activations extracted from the fUS acquisitions. We also implemented a statistical approach for detecting active pixels in functional ultrasound videos based. We compared the automatic method with the current standard method in literature, the landmark-based registration. The latter shows higher accuracy, though the manual landmark placing is way more time-consuming and prone to human error than the automatic method here described. In conclusion, these results are remarkable and encourage the developing of more advanced automatic methods.
ESPOSTI, FEDERICO
ING - Scuola di Ingegneria Industriale e dell'Informazione
25-lug-2019
2018/2019
L'ecografia funzionale è una tecnica di imaging che unisce alta risoluzione spaziotemporale, elevata penetrazione nei tessuti ed alta sensibilità alle variazioni di flusso sanguigno, nella microvascolarizzazione cerebrale. Tali variazioni di flusso sono legate ad un'attivazione neuronale. Come per la fMRI, l'allineamento delle immagini su di un atlante di riferimento è uno step necessario per analizzare il comportamento delle singole aree. In questo lavoro, introduciamo un nuovo metodo di allineamento 3D delle scansioni ecografiche di cervello di topo, su di un atlante digitale. La registrazione ottimizza il sovrapponimento del volume scansionato con quello dell'atlante. Tale metodo consente di ottenere la trasformata 3D automaticamente ed in un minuto, con un'accuratezza di 400um, calcolata in diversi setup sperimentali. Esso è quindi adatto ad applicazioni in tempo reale per guidare la sonda ecografica sulla zona cerebrale d'interesse e per mappare le attivazioni estratte da video funzionali. Abbiamo inoltre, implementato un metodo statistico per l'estrazione di tali attività. Abbiamo messo a confronto il nostro metodo automatico con quello manuale basato su allineamento di landmark, correntemente utilizzato in letteratura. Il metodo manuale risulta avere un'accuratezza maggiore, ma richiede molto tempo per l'operatore ed è soggetto ad errore umano. I risultati trovati per il metodo automatico sono notevoli e ne incoraggiano lo sviluppo.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
Tesi.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Implementation of a 3d morphological registration method for functional ultrasound brain imaging
Dimensione 17.32 MB
Formato Adobe PDF
17.32 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/149048