Texture analysis of MRgFUS images for predicting the outcome of patients affected by Parkinson's tremor and essential tremor

During the last decade, the prevalence of age-related disease including Parkinson’s Disease (PD) and Essential tremor (ET) has been growing and have generated concerns about people’s quality of life. On the other hand, the development of technology has been leading to remarkable improvements in patients’ life expectancy and quality of life. However, more advancement has not led to a better understanding of the disease’s causes to meet the therapeutic needs. Recently, the novel integration of Focused Ultrasound with the guidance of Magnetic Resonance (MRgFUS) has brought a new era for PD and ET treatments. Patients who have undergone MRgFUS treatment have demonstrated an immediate loss of tremor but there have been some side effects regarding the 3 months post-procedure of FUS surgery in which the tremor appears again in few cases. The study consists of forty-four patients 34 male and 10 females, who were affected by Parkinson’s tremor (21 patients) and Essential tremors (23 patients) that underwent MRgFUS thalamotomy between 2019 and 2020 at neurological institute Carlo Besta. In this work, we addressed the aforementioned problem, by proposing a method to discover the causes of returning the tremor in some cases. In particular, the objective of the thesis was to implement 3D Texture Analysis on the lesion area of the T1 and T2-weighted MRgFUS images to extract required texture features aiming to determine associations between the texture features and the output classes which was defined as patients with above and below 50% of the recovery. 3D Texture Analysis was performed using LIFEx software in which 3D ROI was drawn manually, slice by slice along the axial plane of the image on the areas of coagulated necrosis and cytotoxic edema of the lesion. Due to some issues related to the clarity and visibility of the defined ROI in T1-weighted images, three different datasets were created (dataset_3DT1_without overlaying T1T2, dataset_3DT1_with overlaying T1T2, dataset_3DT2) in which ROIs were compared by overlaying T1 and T2 images because the ROI was clearer in the T2 images. Sixty-four texture features were obtained as an excel spreadsheet format then several preprocessing steps were performed in order to remove non-informative features. After carrying out the normality test on the datasets, the Mann-Whitney U test was used for discrimination of differences between the three aforementioned datasets. The obtained result from Mann- Whitney U test showed that the datasets were different, and they can be combined in order to increase the number of samples. Finally, to fulfill the goal of this study, three different statistical methods, including Mann-Whitney U test, Univariate Feature Selection (F_classif and Mutual_info_classif), and Correlation (Pearson’s and Spearman’s) were accomplished as a means of identifying informative and correlated features with the patients’ improvement. The results obtained by each statistical method for all the datasets are reported as following: Mann-Whitney U test: features with a p-value less than 0.05 were considered statistically significant. Without performing normalization, only the Discretized_Q1 and Discretized Maximum showed differences between the two classes of output. But with performing normalization, features that mainly contain information about the distribution of homogeneous low gray-levels voxels, the average value, uniformity of voxel pairs within the ROI, and the spatial rate of change in intensity, were picked as biomarkers between classes. Univariate Feature Selection: features with top scores were selected as informative ones. With regards to the comparison of descriptive statistics indexes among selected features, for the F_classif technique, features with the distribution of homogeneous high gray-level voxels show remarkable variations between two classes of patients, while among the selected features obtained from the Mutual_info_classif technique, conventional minimum and conventional first quartile showed variations in their standard deviation between output classes. Pearson’s and Spearman’s Correlation: features with correlation coefficients below 0.5 were considered independent from each other. The obtained independent features were conventional minimum, skewness, mean, median, randomness, shape sphericity, the variance of grey-level voxel pairs. However, the result from evaluating features’ relationship with the target showed that only contrast and uniformity of grey-level voxel pairs have a small correlation with the output classes. In terms of comparing descriptive statistics of all the independent features, the standard deviation of the conventional minimum has gained a greater value in patients with below 50% of improvement than in the patients with above 50% of improvement. To briefly conclude, almost all the above-mentioned methods have their emphasis on the texture features that explaining about the minimum values of the ROI or contain information about voxels with low gray-level values, therefore it might be possible to choose conventional minimum as the biomarkers that can differentiate between two classes of the output.

Durante l'ultimo decennio la prevalenza di malattie legate all'età, tra cui il morbo di Parkinson (PD) e il tremore essenziale (ET), è aumentata e ha inficiato in maniera rilevante la qualità della vita delle persone. Il miglioramento a livello tecnologico, tuttavia, non ha portato a una migliore comprensione delle cause della malattia e dunque al soddisfacimento delle esigenze terapeutiche. Recentemente, l’integrazione degli ultrasuoni focalizzati e della risonanza magnetica (MRgFUS) ha introdotto una nuova era per i trattamenti PD ed ET. I pazienti che sono stati trattati mediante MRgFUS hanno mostrato un'immediata perdita di tremore con ripercussioni notevoli sulla qualità di vita. In pochi casi, tuttavia, a circa 3 mesi dall’intervento il tremore si è ripresentato e le condizioni cliniche dei pazienti sono nuovamente peggiorate. In questi casi sarebbe interessante capire l’eziologia del nuovo peggioramento del quadro clinico. Il gruppo di pazienti di cui sono state analizzate le immagini è composto da quarantaquattro soggetti, 34 maschi e 10 femmine, affetti da tremore di Parkinson (21 pazienti) e tremori essenziali (23 pazienti) sottoposti a talamotomia MRgFUS tra il 2019 e il 2020 presso l'istituto neurologico Carlo Besta. In questo lavoro abbiamo cercato di capire la correlazione tra le informazioni derivanti dalla risonanza magnetica quantitativa (qMRI) il nuovo peggiormento clinico. In particolare, l'obiettivo della tesi è l’implementazione di una 3D texture analysis delle immagini MRgFUS nell’area della lesione al fine di ottenere possibili correlazioni tra le caratteristiche d’immagine e gli score clinici. La texture analysis è stata eseguita utilizzando il software free LIFEx in cui la ROI 3D è stata disegnata manualmente, sezione per sezione lungo il piano assiale dell'immagine sulle aree di necrosi e edema citotossico della lesione. A causa di alcuni problemi relativi alla chiarezza e visibilità della lesione definita nelle immagini pesate in T1, sono stati creati tre diversi set di dati (set di dati 3DT1 senza T1T2 sovrapposto, set di dati 3DT1_con T1T2 sovrapposto, set di dati 3DT2) in cui le ROI sono state confrontate sovrapponendo immagini T1 e T2 poiché la ROI era più chiara nelle immagini T2. Dopo aver esportato le 64 caratteristiche ottenute sono state eseguite diverse fasi di pre-processing per rimuovere quelle che non risultavano non informative. Dopo aver eseguito il test di normalità sui set di dati, il test U Mann-Whitney è stato utilizzato per la discriminazione delle differenze tra i tre set di dati sopra menzionati. Il risultato ottenuto dal test U di Mann-Whitney ha mostrato che i set di dati erano diversi e possono essere combinati per aumentare il numero di campioni. Infine, per raggiungere l'obiettivo di questo studio, sono stati utilizzati tre diversi metodi statistici, tra cui il Mann-Whitney U test, Univariate Feature Selection (F_classif e Mutual_info_classif) e la correlazione (Pearson's e Spearman's) come mezzo per identificare caratteristiche informative e correlate con l’outcome dei pazienti. I risultati ottenuti da ciascun metodo statistico per tutti i set di dati sono riportati come segue: Mann-Whitney U test: caratteristiche con valore p inferiore a 0,05 sono state considerate statisticamente significative. Senza normalizzazione, solo le caratteristiche Discretized_Q1 e Discretized Maximum hanno mostrato differenze tra due classi di output. Con la normalizzazione, le caratteristiche che contengono principalmente informazioni sulla distribuzione di voxel omogenei a bassi livelli di grigio, il valore medio, l'uniformità delle coppie di voxel all'interno del ROI e il tasso spaziale di variazione dell'intensità sono state scelte come biomarcatori tra le classi. Univariate Feature Selection: le caratteristiche con i punteggi migliori sono state selezionate come informative. Per quanto riguarda il confronto degli indici di statistica descrittiva tra le caratteristiche selezionate, per la tecnica F_classif le caratteristiche con la distribuzione di voxel omogenei di alto livello di grigio mostra notevoli variazioni tra due classi di pazienti, mentre tra le caratteristiche selezionate ottenute dalla tecnica Mutual_info_classif, il minimo convenzionale e il primo quartile convenzionale hanno mostrato variazioni nella loro deviazione standard tra le classi di output. Correlazione di Pearson e Spearman: le caratteristiche con coefficiente di correlazione inferiore a 0,5 sono state considerate indipendenti l'una dall'altra. Le caratteristiche indipendenti ottenute erano minimo, asimmetria, media, mediana, casualità, sfericità di forma, la varianza delle coppie di voxel a livello di grigio. Tuttavia, il risultato della valutazione della relazione delle caratteristiche con il target ha mostrato che solo il contrasto e l'uniformità delle coppie di voxel di livello di grigio hanno una piccola correlazione con le classi di output. Nel confronto delle statistiche descrittive di tutte le caratteristiche indipendenti, la deviazione standard del minimo convenzionale ha mostrato un valore maggiore nei pazienti con un miglioramento inferiore al 50% di rispetto ai pazienti con oltre il 50% di miglioramento. Per concludere, quasi tutti i metodi sopra menzionati hanno la loro enfasi sulle caratteristiche della texture che spiegano i valori minimi del ROI o contengono informazioni sui voxel con valori di livello di grigio bassi, quindi potrebbe essere possibile scegliere il minimo convenzionale come biomarcatori che possono distinguere tra due classi di output.