Improving the process of diffusion tensor image analysis for the study of brain disorders

  1. Garin Muga, Alba
Dirigida por:
  1. Diego Borro Yagüez Director/a

Universidad de defensa: Universidad de Navarra

Fecha de defensa: 23 de marzo de 2015

Tribunal:
  1. José Luis Zubieta Zárraga Presidente/a
  2. Jorge Pla Vidal Secretario/a
  3. Pilar Suárez López Vocal
  4. Aiert Amundarain Irizar Vocal
  5. Alejandro García Alonso Montoya Vocal

Tipo: Tesis

Teseo: 119006 DIALNET

Resumen

El análisis de la información extraída de neuroimágenes es fundamental para la prevención y el diagnóstico en las enfermedades neurológicas. Las medidas extraídas de la Imagen por Tensores de Difusión (DTI) nos permiten descubrir las anomalías de la materia blanca causadas por las enfermedades y comparar estas medidas entre diferentes sujetos en los estudios clínicos y de investigación. Sin embargo, los usuarios pueden tener dificultades calculando las estadísticas grupales de DTI en dichos estudios. Esto se debe a que los usuarios necesitan dominar varias herramientas complejas que requieren una elevada intervención. En este trabajo de investigación, se ha mejorado el proceso de estadística por grupos de DTI desarrollando una herramienta llamada DTIStatistics que automatiza y facilita dicho proceso. Esta herramienta reduce los tiempos de análisis y los posibles errores y de esta manera contribuye al estudio de las enfermedades neurológicas y psiquiátricas. El software propuesto fue diseñado utilizando una metodología centrada en el usuario en la cual se realizó una evaluación iterativa de la usabilidad junto con un comité de expertos. Una vez cumplidos los requerimientos de los expertos, la versión final de la herramienta fue validada con usuarios potenciales, comparando los tiempos de usuario de esta herramienta y del proceso utilizado de manera tradicional. Los usuarios no fueron capaces de terminar todas las tareas de la manera tradicional ya que no pudieron obtener los resultados del análisis. Sin embargo, utilizando DTIStatistics, los usuarios fueron capaces de completar todas las tareas sin apenas errores. Además, necesitaron significativamente menos tiempo para completar las tareas, reduciendo el tiempo de usuario del análisis en un 96%. Para los usuarios potenciales DTIStatistics es fácil de aprender, utilizar e interactuar y dichos usuarios concluyeron que podrían completar las tareas de manera efectiva con DTIStatistics. La herramienta está siendo usada en varios proyectos en la Clínica Universidad de Navarra (España). Esta herramienta tiene un claro potencial para la investigación clínica de DTI. Como ejemplo de ello, se presenta un estudio de pacientes de edad avanzada con depresión unipolar de inicio tardío. Los resultados obtenidos en el grupo de pacientes depresivos de inicio tardío fueron comparados con un grupo de controles sanos y un grupo de controles paciente con depresión de inicio temprano. Estas comparaciones nos permiten proponer objetivos para una mejor comprensión de la depresión unipolar en la edad avanzada. Los análisis del cerebro completo confirman las diferencias en las medidas de anisotropía fraccional, difusividad media y difusividad radial entre los pacientes depresivos de inicio tardío y los pacientes depresivos de inicio temprano controlados por género son significativas. Las diferencias se encontraron en la parte frontal y se cree que este lóbulo es importante en la fisiopatología de la depresión. Hasta donde alcanza nuestro conocimiento, este es el primer estudio que analiza la anisotropía fraccional, difusividad media, difusividad radial y difusividad axial para distinguir entre pacientes depresivos de inicio tardío, pacientes depresivos de inicio temprano y sujetos sanos.