Deep learning-based multimodal registration of rodent brain MRI and histology after traumatic brain injury

Rodent experiments on traumatic brain injury (TBI) induced by controlled cortical impact (CCI) enable detailed investigation of the mechanisms associated with disease progression via histological assessment at the microscopic level. At the same time, in vivo approaches such as magnetic resonance imaging (MRI) provide high translational value but lack the resolution of microscopy, and their underlying changes can be difficult to interpret. Aligning images of the same anatomical region across these modalities, facilitates the detection of structural damage and the understanding of microscopic alterations that contribute to macroscopic changes after injury. This task is challenging due to complex image deformations, substantial inter-modality differences and artifacts introduced during tissue preparation for histology, all of which limit the accuracy of traditional registration methods. Furthermore, most existing MRI-histology pipelines, originally developed for human prostate studies, are not directly transferable to rodent TBI studies due to anatomical differences. To address these challenges, this thesis presents an unsupervised MRI–histology registration pipeline that employs a CycleGAN for image-to-image translation, converting histology into MRI-like images and reducing the task to a monomodal problem, followed by a two-stage deep learning framework combining affine and thin-plate spline (TPS) transformations for spatial alignment. The proposed pipeline achieves an average Dice Similarity Coefficient (DSC) greater than 0.93 and a Mean Error Distance (MED) ≈ 0.3 mm. Qualitative inspection highlights that performance strongly depends on the GAN’s ability to preserve anatomical structures while generating realistic MRI contrasts. These results demonstrate that the proposed approach outperforms state-of-the-art methods, offering more accurate and robust MRI-histology alignment in rodent TBI. This work has the potential to streamline experimental workflows, improve cross-modal interpretation and enhance the translational relevance of preclinical TBI studies.

Gli esperimenti sui roditori con trauma cranico indotto da impatto corticale controllato permettono un’analisi dettagliata dei meccanismi associati alla progressione della malattia tramite valutazioni istologiche a livello microscopico. Al contempo, approcci in vivo come la risonanza magnetica offrono alto valore traslazionale, pur con risoluzione inferiore, e i cambiamenti sottostanti possono risultare difficili da interpretare. L’allineamento di immagini della stessa regione anatomica, acquisite con modalità diverse, facilita l’identificazione di danni strutturali e la comprensione delle alterazioni microscopiche che contribuiscono ai cambiamenti macroscopici dopo il trauma. Il compito è complesso a causa di deformazioni complesse delle immagini, differenze sostanziali tra le modalità e artefatti introdotti durante la preparazione dei tessuti per l’istologia. Tali fattori riducono l’accuratezza dei metodi tradizionali, mentre gran parte delle pipeline esistenti per l’allineamento risonanza magnetica–istologia, sviluppate per studi sulla prostata umana, non sono direttamente trasferibili agli studi di trauma cranico su roditori a causa delle differenze anatomiche. Per affrontare queste sfide, questa tesi propone una pipeline non supervisionata per la registrazione risonanza magnetica–istologia, sfruttando una traduzione da immagine a immagine che trasforma il problema multimodale in uno monomodale. Una CycleGAN viene impiegata per tradurre le immagini istologiche in rappresentazioni risonanza magnetica. Successivamente, l’allineamento spaziale viene eseguito tramite un'architettura a due stadi. Il modello raggiunge un Dice score medio superiore a 0.93 e un errore medio di distanza ≈ 0.3 mm. Una valutazione qualitativa evidenzia come le prestazioni dipendano fortemente dalla capacità della GAN di preservare le strutture anatomiche generando al contempo contrasti realistici. I risultati dimostrano che questo approccio supera i metodi esistenti, offrendo un allineamento risonanza magnetica–istologia più accurato e robusto nel caso di roditori con trauma cranico. Questo lavoro ha il potenziale di ottimizzare i flussi sperimentali, migliorare l’interpretazione inter-modale e aumentare la rilevanza traslazionale degli studi preclinici sul trauma cranico.