Alinhamento de estruturas em imagens médicas

(1)

M

Alinh

Médicas

hamen

s: Estud

nto de

do, De

Freder

J

Estrut

esenvo

rico Lázaro

Julho de 201

uras em

lvimen

o Jacob

10

m Imag

nto e A

gens

Aplicaçã

ão

(2)

(3)

Alinhamento de Estruturas em Imagens

Médicas: Estudo, Desenvolvimento e Aplicação

Dissertação submetida para obtenção do grau de Mestre em Engenharia

Biomédica pela Faculdade de Engenharia da Universidade do Porto

Frederico Lázaro Jacob

Licenciado em Engenharia Electrotécnica pelo Instituto Superior de Engenharia do Porto (2002) Orientador:

João Manuel R. S. Tavares

Professor Auxiliar do Departamento de Engenharia Mecânica Faculdade de Engenharia da Universidade do Porto Co‐orientador:

Ana Mafalda Reis

Assistente Hospitalar de Neurorradiologia Hospital Pedro Hispano, Matosinhos

(4)

(5)

AGRADECIMENTOS

Este documento é o culminar de um trabalho que não teria sido possível desenvolver sem a ajuda e a contribuição de um número considerável de pessoas. Assim, agradeço:

 Ao Professor Doutor João Manuel R. S. Tavares, pelo apoio fornecido ao longo da elaboração deste estudo, pela constante disponibilidade e apoio;

 À Dr.ª Ana Mafalda Reis, pelo auxílio prestado durante o presente estudo;

 Aos meus pais, irmãos, companheira e filha, pela força que transmitiram, afecto e cooperação;  Ao Eng.º Pedro Guimarães, ao Doutor Carlos Vinhais, à Eng.ª Inês Meneres, e ao Eng.º Ruben Couto, a honra de tê‐los como amigos;  A todos os que possibilitaram o seu desenvolvimento.

(6)

(7)

RESUMO

Na presente Dissertação são avaliadas e comparadas metodologias para o alinhamento de estruturas em imagens médicas, em particular no âmbito do acompanhamento clínico de pacientes atingidos por esclerose múltipla.

Visando a total compreensão do trabalho desenvolvido, numa primeira fase, apresenta‐se uma descrição da patologia considerada, de forma a definir a utilidade da imagiologia no seu estudo. De seguida, procede‐se à descrição de diversos aspectos específicos relacionados com o alinhamento de imagens. Posteriormente, surge o ensaio e a validação das várias metodologias implementadas na biblioteca computacional de domínio público Insight ToolKit (ITK), principalmente com imagens cerebrais adquiridas por ressonância magnética. Resultados experimentais obtidos, assim como conclusões finais e perspectivas futuras, são expostos no final deste documento.

Palavras‐chave: análise de imagem, alinhamento, esclerose múltipla, ITK, imagens por

ressonância magnética.

(8)

(9)

ABSTRACT

In this thesis, are evaluated and compared approaches to the registration of structures in medical images, as part of clinical monitoring of patients suffering from multiple sclerosis.

Seeking to understand this work, initially, it presents a description of the pathology in order to define the usefulness of imaging in their study. Then, we proceed to the description of several specific aspects related to the registration of images. Subsequently, there is a section devoted to testing and validation of various methodologies implemented in ITK software, particularly with magnetic resonance imaging of the brain. The experimental results obtained, as well as evidence and perspectives, are exposed in the end. Keywords: image analysis, registration/alignment, multiple sclerosis, ITK, magnetic resonance imaging.

(10)

(11)

ÍNDICE

AGRADECIMENTOS ... 1 RESUMO ... 3 ABSTRACT ... 5 ÍNDICE ... 7 ÍNDICE DE FIGURAS ... 9 ÍNDICE DE TABELAS ... 13 ACRÓNIMOS ... 15 CAPÍTULO I – Introdução à Dissertação e à sua estrutura ... 17 1.1. Enquadramento ... 19 1.2. Motivação e objectivos ... 21 1.3. Plano de trabalho ... 22 1.4. Estrutura organizativa ... 23 1.5. Principais contribuições ... 23 CAPÍTULO II – Esclerose múltipla ... 25 2.1. Introdução ... 27 2.2. Noções históricas ... 28 2.3. Descrição da doença ... 30 2.4. Formas de esclerose múltipla ... 31 2.5. Critérios de diagnóstico ... 34 2.6. Resumo ... 36 CAPÍTULO III – Imagem por Ressonância Magnética ... 39 3.1. Introdução ... 41 3.2. Princípios de funcionamento ... 42 3.3. Tempos de relaxação ... 45 3.4. Contraste das imagens... 46 3.5. Formação de imagem ... 50 3.6. Artefactos ... 51 3.7. Resumo ... 52 CAPÍTULO IV – Técnicas de Alinhamento de Imagens Médicas ... 55 4.1. Introdução ... 57 4.2. Conceitos associados ao alinhamento de imagens ... 57 4.2.1. Alinhamento de imagens ... 57 4.2.2. Classificação dos métodos de alinhamento de imagens ... 58 4.2.3. Formulação matemática de um método de alinhamento ... 61 4.2.4. Diagrama de blocos de um método de alinhamento ... 62 4.2.5. Natureza ou modalidade das imagens médicas ... 63 4.3. Descrição dos critérios ... 65 4.3.1. Detecção de características e medida de similaridade ... 66 4.3.1.1. Métodos baseados em características geométricas ... 69 4.3.1.1.1. Extracção de primitivas ... 69 4.3.1.1.2. Colocação em correspondência das primitivas ... 71 4.3.1.2. Métodos baseados em intensidades ... 73 4.3.1.2.1. Escolha do critério de similaridade ... 74 4.3.1.2.2. Métricas extraídas da teoria da informação ... 77 4.3.2. Estimação do modelo de transformação ... 83 4.3.2.1. Transformações rígidas ... 87 4.3.2.2. Transformações não‐lineares ... 89 4.3.3. Estratégias de optimização ... 93 4.3.3.1. Métodos sem gradiente ... 94 4.3.3.2. Métodos de gradiente ... 95 4.3.4. Validação de métodos de alinhamento ... 97 4.4. Métodos para alinhamento de imagens médicas ... 98 4.5. Implementações computacionais ... 106 4.6. Resumo ... 115 CAPÍTULO V ‐ Análise experimental ... 117 5.1. Introdução ... 119 5.2. Casos clínicos em estudo ... 119 5.3. Recursos utilizados ... 122 5.3.1. Linguagem de programação ... 122

(12)

5.3.2. CMake ... 123 5.3.3. ITK ... 124 5.3.4. Equipamento e sistema operativo ... 125 5.3.5. DICOM ... 125 5.4. Alinhamento de imagens no ITK ... 125 5.4.1. Técnicas genéricas de alinhamento presentes ... 127 5.4.2. Algoritmos de alinhamento disponíveis no ITK ... 131 5.5. Algoritmos usados ... 137 5.5.1. Algoritmos seleccionados ... 137 5.5.2. Análise dos algoritmos empregues ... 138 5.6. Alinhamento de imagens de um mesmo doente ... 142 5.6.1. Considerações referentes ao código fonte dos algoritmos ... 142 5.6.2. Descrição dos dados ... 143 5.6.3. Resultados experimentais ... 147 5.6.3.1. Imagens do conjunto (1) ... 148 5.6.3.2. Imagens do conjunto (2) ... 152 5.6.3.3. Imagens do conjunto (3) ... 155 5.6.3.4. Imagens do conjunto (4) ... 158 5.6.3.5. Imagens do conjunto (5) ... 161 5.6.3.6. Imagens do conjunto (6) ... 164 5.6.4. Análise comparativa dos resultados ... 167 5.7. Algoritmo de alinhamento desenvolvido ... 171 5.7.1. Descrição do algoritmo ... 171 5.7.2. Resultados experimentais e análise comparativa ... 184 5.8. Resumo ... 186 CAPÍTULO VI ‐ Considerações finais e Perspectivas futuras ... 189 6.1. Introdução ... 191 6.2. Considerações finais ... 191 6.3. Perspectivas futuras ... 192 REFERÊNCIAS ... 195

(13)

ÍNDICE DE FIGURAS

Figura 1.1 – Representação esquemática do conceito de alinhamento (retirado de (Yoo 2004)). ... 19

Figura 1.2 – Exemplo de alinhamento de imagens do cérebro: (a) Imagem fonte, (b) Imagem a alinhar, (c) Imagem após alinhamento, (d) Diferença original, (e) Diferença após alinhamento (retirado de (Ibánez, Schroeder et al. 2005)). ... 20 Figura 2.1 – Aspecto típico das lesões de EM no cérebro (retirado de (Doyon, Cabanis et al. 2004)). ... 27 Figura 2.2 – Retrato de Jean‐Martin Charcot (retirado de (Murray 2005)). ... 28 Figura 2.3 – Ilustrações das lesões descritas por Charcot (retirado de (Murray 2005)). ... 28 Figura 2.4 – Ilustração da EM efectuada por Robert Carswell (retirado de (Murray 2005))... 29 Figura 2.5 – Mapa da prevalência da EM (retirado de (mult‐sclerosis 2008)). ... 29 Figura 2.6 – Estrutura esquemática simplificada de um neurónio típico (retirado de (mult‐sclerosis 2008)). ... 30 Figura 2.7 – Lesão de EM no hemisfério do cérebro (retirado de (Clanet and Lyon‐Caen 1998)). ... 31 Figura 2.8 – Evolução clínica esquemática das distintas formas de EM (retirado de (mult‐sclerosis 2008)). ... 33 Figura 2.9 – Dados histológicos das distintas formas de EM (retirado de (Kutzelnigg, Lucchinetti et al. 2005)). ... 33 Figura 2.10 – Quatro diferentes cortes (axial) de imagem por RM à cabeça (retirado de (Doyon, Cabanis et al. 2004)). ... 36 Figura 3.1 – Exemplo de aparelho de ressonância magnética (modelo Optima MR450w, GE Healthcare (USA)). ... 42

Figura 3.2 – Momento magnético de diferentes núcleos de Hidrogénio de tecido biológico colocado num ambiente natural (retirado de (Doyon, Cabanis et al. 2001)). ... 43

Figura 3.3 – Momento magnético individual dos núcleos de tecido biológico colocados num campo magnético intenso (retirado de (Doyon, Cabanis et al. 2001)). ... 43

Figura 3.4 – Magnetização nuclear total portador de 0 (retirado de (Doyon, Cabanis et al. 2001)). ... 44

Figura 3.5 – Evolução do momento magnético longitudinal (retirado de (Doyon, Cabanis et al. 2001)). ... 45 Figura 3.6 – Evolução do momento magnético transversal (retirado de (Doyon, Cabanis et al. 2001)). ... 46 Figura 3.7 – Sequência elementar de spin, composta de um impulso de RF a 90º seguido, após um intervalo de tempo, de outro a 180º (retirado de (Doyon, Cabanis et al. 2001)). ... 47 Figura 3.8 – Corte do cérebro em ponderação T1 (retirado de (Doyon, Cabanis et al. 2001)). ... 48 Figura 3.9 – Corte axial do cérebro em ponderação T2 (retirado de (Doyon, Cabanis et al. 2001)). ... 48 Figura 3.10 – Corte axial em ponderação DP do cérebro de doente com EM (retirado de (Doyon, Cabanis et al. 2001)). ... 49

Figura 3.11 – Imagem por ressonância magnética cerebral de doente com EM: (a) T2, (b) DP, (c) T2 FLAIR, (d) T1 (retirado de (Dugas‐Phocion, González et al. 2004)). ... 50 Figura 3.12 – Artefacto devido ao movimento do doente (retirado de (Doyon, Cabanis et al. 2001)). ... 51 Figura 3.13 – Artefacto devido a um objecto metálico (retirado de (Doyon, Cabanis et al. 2001)). ... 51 Figura 3.14 – Artefacto devido às interferências ferromagnéticas (buraco negro na cavidade ocular) (retirado de (Doyon, Cabanis et al. 2001)). ... 52 Figura 4.1 – Descrição exemplificativa das quatro etapas típicas para o alinhamento de imagens (retirado de (Zitová, Flusser et al. 2005)). ... 61

Figura 4.2 – Mediante algumas transformações a moving image é mapeada para o espaço da fixed image (retirado de (Ibánez, Schroeder et al. 2005))... 61

Figura 4.3 – Diagrama ilustrativo do esquema de base geral para o alinhamento de imagens (adaptado de (Yoo 2004)). ... 62

Figura 4.4 – Representação da probabilidade de pertencer às três classes: (a) Matéria branca, (b) Matéria cinzenta, (c) Fluido cérebro‐espinal (retirado de (Dugas‐Phocion, González et al. 2004)). ... 65

Figura 4.5 – Cinco imagens de cérebros, com pontos de correspondência identificados manualmente (retirado de (Johnson and Christensen 2002)). ... 66 Figura 4.6 – Sulcos extraídos do hemisfério esquerdo do cérebro de um sujeito (retirado de (Hellier, Barillot et al. 2003)). ... 68 Figura 4.7 – Exemplo dos diferentes passos usados na extracção de pontos extremos quando a iso‐superfície é aproximada a um triângulo (retirado de (Thirion 1996)). ... 71 Figura 4.8 – Histograma “teórico” dos vóxeis de uma imagem alinhada cujos vóxeis correspondentes na imagem referência têm o mesmo nível de cinzento (retirado de (Nikou, Heitz et al. 1999)). ... 75 Figura 4.9 – Medida de similaridade: As duas imagens por RM à esquerda são de um doente com EM; A imagem da direita é a resultante da subtracção das primeiras duas imagens (retirado de (Thirion and Calmon 1997)). ... 76 Figura 4.10 – HC da sobreposição de volumes de imagens por RM e de CT cerebrais (retirado de (Maes, Collignon et al. 1997)). .. 80 Figura 4.11 – Histogramas conjuntos 2D para idênticas imagens por RM da cabeça (retirado de (Pluim, Maintz et al. 2003)). ... 81

Figura 4.12 – Entropias envolvidas na combinação de duas imagens e (adaptado de (Studholme, D.L.G.Hill et al. 1999)). ... 83

Figura 4.13 – Exemplo de transformações 2D da imagem, combinando domínio e tipo de transformações (retirado de (Elsen, Pol et al. 1993)). ... 85 Figura 4.14 – Imagens médias produzidas após alinhamento (a) rígido, (b) afim e (c) não‐linear de imagens por RM de indivíduos normais (adaptado de (Hill, Batchelor et al. 2001)). ... 86 Figura 4.15 – Exemplo de alinhamento: (a) Imagens por RM de um doente com EM, (b) Imagens do mesmo doente adquiridas dois meses mais tarde, (c) Alinhamento rígido obtido (retirado de (Rey, Subsol et al. 2002)). ... 88 Figura 4.16 – Exemplo de grelha de deformação após um alinhamento (retirado de (Kybic and Unsery 2003)). ... 90

(14)

Figura 4.17 – Ilustração da estratégia de alinhamento por blocos correspondentes num corte de imagem por RM (retirado de (Ourselin, Roche et al. 2000))... 92 Figura 4.18 – Identificação de estruturas anatómicas correspondentes (retirado de (Kybic and Unsery 2003)). ... 93 Figura 4.19 – Estratégias de optimização de informação mútua num sub‐espaço de parâmetros 2D através de alinhamento óptimo (retirado de (Maes, Vandermeulen et al. 1999)). ... 96 Figura 4.20 – Campo de deslocamento em redor da lesão calculado pelo alinhamento entre as duas imagens da esquerda (retirado de (Rey, Subsol et al. 2002)). ... 99 Figura 4.21 – Ilustração da correcção topológica executada (retirado de (Karaçali and Davatzikos 2004)). ... 100 Figura 4.22 – Alinhamento não‐rígido de imagens por RM de dois doentes diferentes (retirado de (Noblet, Heinrich et al. 2005)). ... 100 Figura 4.23 – Visualização do campo de deformação numa malha regular localizada no plano inter‐hemisférico: (a) Imagem fonte, (b) Grelha deformada sem qualquer limitação, (c) Grelha deformada com um constrangimento positivo no Jacobiano ( 0), (d) Grelha deformada com um constrangimento 0.5 2 (retirado de (Noblet, Heinrich et al. 2005)). ... 101 Figura 4.24 – Ilustração do alinhamento de duas curvas com “super‐curva” (retirado de (Xia and Liu 2004)). ... 101 Figura 4.25 – Alinhamento de imagem com ponderação em DP com outra ponderada em T1 (retirado de (Xia and Liu 2004))... 102 Figura 4.26 – Exemplo de alinhamento com B‐Splines hierárquicas (retirado de (Xie and Farin 2004)). ... 102

Figura 4.27 – Alinhamento robusto de imagens 2D de uma mesma modalidade para a análise da evolução das lesões de EM (retirado de (Nikou, Heitz et al. 1999)). ... 103

Figura 4.28 – Detecção de alterações em imagens multimodais considerando um modelo estatístico das intensidades numa janela ( ) 3D centrada em s (retirado de (Bosc, Heitz et al. 2003)). ... 104

Figura 4.29 – Detecção de alterações em pequenas lesões de EM (retirado de (Rousseau, Faisan et al. 2007)). ... 105

Figura 4.30 – Mapas contendo a proporção dos diferentes tecidos: a) Matéria branca, b) Matéria cinzenta, c) Líquido céfalo‐ raquidiano (retirado de (Bricq, Collet et al. 2008)). ... 105 Figura 4.31 – Interface do sistema computacional SPM. ... 106 Figura 4.32 – Função ems_mireg.m. ... 107 Figura 4.33 – Interface do pacote de software VelocityAI. ... 108 Figura 4.34 – Selecção da função para alinhar diferentes sequências de imagens por RM do mesmo exame. ... 109 Figura 4.35 – Interface para o alinhamento de imagens da aplicação MeVisLab. ... 110 Figura 4.36 – Interface da aplicação iMIPS... 111 Figura 4.37 – Função register2d.m. ... 111 Figura 4.38 – Exemplo de resultados obtidos com o sistema computacional Image Registration. ... 112 Figura 4.39 – Automatic Registration Tool da PHILIPS. ... 112 Figura 4.40 – Resolução do alinhamento de imagens com 3D Slicer. ... 113 Figura 4.41 – Aplicação Brain Register do BioImage Suite. ... 114 Figura 4.42 – Plugin TurboReg para a aplicação ImageJ. ... 114 Figura 5.1 – Corte axial das amostras escolhidas para este estudo. ... 120 Figura 5.2 – Histograma de distribuição de intensidades das amostras escolhidas para este estudo. ... 122 Figura 5.3 – Interface gráfica do CMake versão 2.8.0. ... 123 Figura 5.4 – Exemplo de uma estrutura de pipeline usada para o alinhamento (retirado de (Ibánez, Schroeder et al. 2005)). ... 124 Figura 5.5 – Diagrama de herança da classe itk::ImageIOBase. ... 126 Figura 5.6 – Pipeline usado para o alinhamento das imagens. ... 139 Figura 5.7 – Exemplo de uma grelha B‐Spline com as deformações nos nós (retirado de (Ibánez, Schroeder et al. 2005)). ... 140

Figura 5.8 – Imagens com desalinhamento conhecido: (a) Imagem original, (b) Com translação de 13 mm em x, 17 mm em y e rotação de 10º, (c) Com translação de 13 mm em x, 17 mm em y, rotação de 10º e factor de escala 12, (d) Com translação de 13 mm em x e 17 mm em y, (e) com escala distinta (181x217 píxeis). ... 145 Figura 5.9 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 150 Figura 5.10 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 150 Figura 5.11 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 150 Figura 5.12 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 150 Figura 5.13 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 151 Figura 5.14 – Alinhamento das imagens do conjunto (1) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 151 Figura 5.15 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 153 Figura 5.16 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 153 Figura 5.17 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 154 Figura 5.18 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 154 Figura 5.19 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 154 Figura 5.20 – Alinhamento das imagens do conjunto (2) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 154 Figura 5.21 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 156 Figura 5.22 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 156 Figura 5.23 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 157 Figura 5.24 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 157 Figura 5.25 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 157 Figura 5.26 – Alinhamento das imagens do conjunto (3) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 157 Figura 5.27 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 159 Figura 5.28 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 159 Figura 5.29 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 160 Figura 5.30 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 160 Figura 5.31 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 160 Figura 5.32 – Alinhamento das imagens do conjunto (4) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 160 Figura 5.33 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 162 Figura 5.34 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 162

(15)

Figura 5.35 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 163 Figura 5.36 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 163 Figura 5.37 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 163 Figura 5.38 – Alinhamento das imagens do conjunto (5) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 163 Figura 5.39 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (A): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 165 Figura 5.40 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (B): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 165 Figura 5.41 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (C): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 166 Figura 5.42 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (D): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 166 Figura 5.43 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (E): (a) Métrica, (b) Campo de deformação. ... 166 Figura 5.44 – Alinhamento das imagens do conjunto (6) ‐ algoritmo (F): (a) Métrica, (b) Campo de deformação. ... 166 Figura 5.45 – Pipeline para o alinhamento das imagens usando o algoritmo desenvolvido. ... 173 Figura 5.46 – Alinhamento resultante: (a) Imagem móvel após o alinhamento, (b) Diferenças entre as imagens original e móvel após alinhamento. ... 185 Figura 5.47 – Alinhamento das imagens do conjunto (1): (a) Métrica, (b) Ângulo de rotação, (c) Translações. ... 185

(16)

(17)

ÍNDICE DE TABELAS

Tabela 5.1 – Características das imagens usadas. ... 121 Tabela 5.2 – Classes do ITK para implementar transformações, métricas, interpolações e optimizadores. ... 129 Tabela 5.3 – Características e técnicas genéricas dos exemplos disponíveis na versão analisada do ITK. ... 131 Tabela 5.4 – Principais tarefas desempenhadas pelos exemplos disponíveis na versão analisada do ITK. ... 133 Tabela 5.5 – Classes do ITK para implementar alguns dos algoritmos usadas no alinhamento. ... 135 Tabela 5.6 – Linhas a alterar em DeformableRegistration2.cxx para realizar alinhamento 3D. ... 136 Tabela 5.7 – Conjunto de imagens a alinhar e diferenças iniciais entre elas. ... 144 Tabela 5.8 – Resultado do alinhamento das imagens do conjunto (1) pelos algoritmos (A) a (F). ... 148 Tabela 5.9 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (1). ... 149 Tabela 5.10 – Resultado do alinhamento das imagens do conjunto (2) pelos algoritmos (A) a (F). ... 152 Tabela 5.11 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (2). ... 153 Tabela 5.12 – Resultado do alinhamento das imagens do conjunto (3) pelos algoritmos (A) a (F). ... 155 Tabela 5.13 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (3). ... 156 Tabela 5.14 – Resultado do alinhamento das imagens do conjunto (4) pelos algoritmos (A) a (F). ... 158 Tabela 5.15 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (4). ... 159 Tabela 5.16 – Resultado do alinhamento das imagens do conjunto (5) pelos algoritmos (A) a (F). ... 161 Tabela 5.17 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (5). ... 162 Tabela 5.18 – Resultado do alinhamento das imagens do conjunto (6) pelos algoritmos (A) a (F). ... 164 Tabela 5.19 – Parâmetros de saída finais produzidos pelo alinhamento das imagens do conjunto (6). ... 165 Tabela 5.20 – Parâmetros de saída finais produzidos pelo algoritmo desenvolvido. ... 185

(18)

(19)

ACRÓNIMOS

AIR – automated image registration ANIMAL – automatic nonlinear image matching and anatomical labeling CC – coeficiente de correlação (correlation coefficient) CMake – cross plataform make cMI – informação mútua condicional (conditional mutual information) CT – tomografia computorizada (computed tomography) DICOM – comunicação de imagens digitais em medicina (digital imaging and communications in medicine) DP – densidade de protões (proton density) EC – entropia conjunta (joint entropy) EM – esclerose múltipla (multiple sclerosis)

EMPP (ou PPMS) – esclerose múltipla primária progressiva (primary progressive multiple sclerosis)

EMPR (ou PRMS) – esclerose múltipla progressiva recorrente (progressive relapsing multiple sclerosis)

EMRR (ou RRMS) – esclerose múltipla recorrente remissiva (relapsing remitting multiple sclerosis)

EMSP (ou SPMS) – esclerose múltipla secundária progressiva (secondary progressive multiple sclerosis) EMS – expectation‐maximization segmentation FFD – deformação de forma livre (free form deformation) FLAIR – fluid attenuated inversion recovery FRFSE – fast recovery fast spin echo H – entropia marginal (marginal entropie) HAMMER – hierarchical attribute matching mechanism for elastic registration HC – histograma conjunto (joint histogram) HMC – hidden markov chain ICP – iterative closest point IM – informação mútua (mutual information) IRMf – imagem por ressonância magnética funcional (functional magnetic resonance imaging) IRTK – image registration toolkit ITK – insight toolKit LCR – líquido cefalorraquidiano (cerebrospinal fluid) MSD – média quadrada das diferenças (mean squared difference) NEMA – national electrical manufacturers association NMI – informação mútua normalizada (normalized mutual information) PET – tomografia por emissão de positrões (positron emission tomography) RF – radiofrequência RMN – ressonância magnética nuclear (nuclear magnetic resonance) RMS – root mean squared SNC – sistema nervoso central (central nervous system) SNP – sistema nervoso periférico (peripheral nervous system)

(20)

SPECT – tomografia por emissão mono‐fotónica (single photon emission computed tomography) SPM – statistical parametric mapping SSD – soma dos quadrados das diferenças (sum of squared difference) TE – tempo de eco (echo time) TPS – thin‐plate splines TPS‐RPM – thin plate spline ‐ robust point matching TR – tempo de repetição (repetition time) VTK – visualization toolkit

(21)

CAPÍTULO I – Introdução à Dissertação e à sua estrutura

(22)

(23)

1.1.

A ferra tanto image frequ result cada conce opera D huma ofere posit magn (corte (sequ partic as im U com o 2010 saxón image difere senso entre minim uma que p Main esque espac A prátic

Enquad

A imagiologia mentas colo o no auxílio ens em duas uentemente tado, a cres doente mas eber métod ador) para a Determinada ano, como p ecem um ace rões (PET) nética funcio e radiológic uências ecog cularidades d magens result

Uma das prin o estudo e o ). Este probl nica surge g ens, ou me enças devido ores, etc.), o e as imagen mizadas (Bro transformaç permite map tz and Vie ematicamen cial do ponto Figura A necessidad cos nas ma

dramento

a médica, na ocadas ao se ao diagnós s ou mais dim dificuldades scente quant s origina um dos automát análise, o pr s modalidad por exemplo esso ao meta ou mesmo onais (IRMf) co convencio gráficas tridim das diversas tantes de cad ncipais taref o tratamento ema é conhe eralmente i esmo uma o, por exemp o alinhament ns de tal f own 1992). A ção espacial pear pontos ergever 199 nte na Figura

o numa segu

a 1.1 – Represent

de de efectu ais diversas a actualidade erviço dos m stico como mensões, dev s no esclare tidade de da tempo de e ticos ou sem rocessament des de imag o as imagens abolismo bio

a informaç (Nikou, He onal) ou tri mensionais). modalidade da uma delas fas existente o de diversas ecido por ali dentificado sequência d plo, ao proce to fundamen forma que A finalidade entre duas o de uma dela 8; Hajnal, a 1.1, onde nda imagem tação esquemáti

uar o alinha áreas, inclu e, desempen médicos, e u na decisão vem ainda se ecimento de ados permit estudo supe mi‐automáti to e a interp ens médicas s por resson ológico dos ó ções funcion eitz et al. 19 idimensiona

Disto sobre es, é frequen

s.

es no proces s imagens nu nhamento d pelos termo delas de u esso de aquis nta‐se em te as discrep do alinhame ou mais ima as para os ho

Hill et al. é a trans m.

ca do conceito de

amento de uindo a mé

nha um imp usadas na ex da terapêut er interpreta determinad te entender rior, o que o icos (com u retação das s permitem nância magn órgãos, como nais, como 999). Certas

is (as de R essai que, pa temente nec samento de um referenci de imagens, s os registratio ma mesma sição (diverg entar obter âncias exist ento resume agens, de mo omólogos na 2001). Est formação qu e alinhamento (re imagens ap dica, sendo ortante pap xploração do tica. Uma v adas e exami das estrutur melhor o c ocasiona um uma interve imagens. aceder à an nética (RM), o a tomograf as imagens imagens sã RM) e até t ra os médico cessário com imagens m al comum (K sendo que na on ou alignm estrutura, ência tempo uma relação tentes sejam e‐se assim à odalidades ig a outra (Else te conceito ue interpret etirado de (Yoo 2 arece em m nesta últim

pel na panóp o corpo hum vez adquirid inadas, o que ras presente caso específi ma necessida enção mínim natomia do enquanto o fia por emiss por resson ão bidimens tetradimens os usufruíre mparar e com édicas, pren Klein, Staring a literatura a ment. Dadas que aprese oral, de ângu o de concord m eliminada determinaç guais ou dist en, Pol et al. é represe ta o mapeam

2004)). muitos prob ma comumm plia de mano, as, as e gera s. Em co de de de ma do corpo outras são de nância ionais ionais m das mbinar nde‐se g et al. anglo‐ s duas entam ulo, de dância as ou ção de tintas, 1993; ntado mento lemas mente

(24)

neces difere temp para image para aquis estru de ca virtua D ser p seja, tamb P image ser c expõe cinze image verifi F N defin alinha espaç ao sis image coloc (em entan perfe ssário para entes senso pos ou circun

inferir infor ens é necess fundir (fus sição de imag turas, para p asos previam ais, etc. (Hajn De realçar qu recisos, robu aplicáveis a bém ser auto Para melhor ens cerebrai orrespondid e esta últim

nto nos can em fonte e cando‐se na (a) Figura 1.2 – Exem alinhamento, ( Na área médi ir o diagnós adas permit çadas no tem stema de im ens. Neste c cação em co imagens trid nto, a mai eitamente ríg a integraç ores/modalid nstâncias dis rmação 3D ( sário, por ex sion) a info gem, para m preparar inte mente estud nal, Hill et al ue para ser c ustos, isto é, a divergente omáticos e rá entender o is, (a) e (b), o a (imagem f ma já alinha tos). Nas im e a de refe representaç (b) mplo de alinhamen (d) Diferença orig ica, pela aná tico de algum te apoia‐los mpo de uma agem, logo, caso, o alinh orrespondênc dimensionais oria das e gidas.

ção das info dades, para stintos, para (Brown 1992 emplo, para rmação com monitorizar o ervenções ci dados (Atlas . 2001). linicamente , adaptáveis s situações ápidos. o alinhamen obtidos atrav fixa) pela (b ada após a magens (d) e erência ante ção da direit nto de imagens d ginal, (e) Diferenç lise visual de mas patolog numa análi estrutura ríg as suas suce hamento con cia dos píxe s – 3D) que estruturas, e ormações f encontrar d a reconhecer 2). Basicame a estudar a e mplementar tamanho, a rúrgicas, par s), para esta útil, os algor a diferentes (Loi, Domin

to de image vés de uma b), ou seja, e

aplicação d (e), aparece es do alinha a, a sobrepo (c) do cérebro: (a) Im ça após alinhame e imagens or gias, mas o e se mais pre gida, esta ra essivas repre nsiste em ca is (em imag e representa

especialmen

funcionais e diferenças e r estruturas ente, na áre evolução de u obtida por forma e a v ra comparar abelecer cor ritmos de ali s graus de d ietto et al.

ens, a Figur mesma mod esta é a ima das transfor em, respecti amento e a osição das du magem fonte, (b) ento (retirado de riginais, os m estudo das m ecisa e robu

ramente tem sentações es alcular a tra ens bidiome am pontos f nte no cam

e/ou anatóm ntre imagen baseando‐se ea médica, o uma patolog r diferentes ariação ao lo um dado ca rrespondênc nhamento d esalinhamen 2008). Ideal ra 1.2 mostr alidade. A im agem a alinh rmações env vamente, a após o mes uas imagens. (d) Imagem a alinha (Ibánez, Schroed médicos têm mesmas imag

sta. De fact m uma posiçã stão localizad nsformação ensionais – 2 fisicamente mpo da me micas obtida ns adquirida e em model o alinhamen gia num indiv modalidade ongo do tem aso com uma cias com mo de imagens d nto, e flexíve lmente, dev

ra dois cort magem (a) te har. A image volvidas (zo diferença en smo alinham (e) r, (c) Imagem apó der et al. 2005)). a possibilida gens devidam to, nas aqui

ão fixa em re das em difer o que possib 2D) ou dos v equivalente edicina, não as de as em los ou nto de víduo, es de mpo de a base odelos devem eis, ou veriam tes de em de em (c) nas a ntre a mento, ós ade de mente sições elação rentes ilita a vóxeis es. No o são

(25)

1.2. Motivação e objectivos

Esta Dissertação abordou a problemática do alinhamento de imagens de doentes atingidos por esclerose múltipla (EM) ou esclerose em placas. Esta doença neurológica crónica, de causas ainda pouco conhecidas e com sintomas que rapidamente podem limitar a qualidade de vida do doente, é bastante generalizada em jovens adultos nos países ocidentais (Kutzelnigg, Lucchinetti et al. 2005). As imagens por RM permitem uma boa discriminação dos tecidos moles na identificação de lesões (Yoo 2004), sendo usadas pelos médicos para a obtenção de elementos complementares aos exames clínicos, por exemplo, para a confirmação de diagnóstico, para a avaliação dos tratamentos e para o auxílio à análise da evolução temporal típica da patologia em estudo.

A principal meta definida neste trabalho foi de proceder, através da utilização de imagens por RM, ao alinhamento de estruturas representadas neste tipo de imagens, quando sujeitas a modificações temporais. O mapeamento é assim essencial para a extracção de informação objectiva e quantitativa, tal como, sobre o volume de um tumor ao longo do tempo (Brown 1992). Para o caso da EM, a variação temporal (anatómica ou patológica) anual esperada das lesões é de cerca de 5 a 10% (Hajnal, Hill et al. 2001), com flutuações mensais, isto é, variabilidade biológica, de 10 a 20% (Grimaud, Zhu et al. 2002). Por este motivo, a medição quantitativa dos efeitos desta doença é indispensável (Grimaud, Zhu et al. 2002), e importante para o conhecimento da quantidade de lesões presentes e quantas dessas surgem ou desaparecem entre duas aquisições sucessivas de imagem. Desta forma, é possível obter dados da carga/volume de lesões, bem como, sobre a sua evolução temporal e daí, por exemplo, melhor entender a patologia ou medir a eficácia de um tratamento.

Neste trabalho, pretendeu‐se especificamente:

 Estabelecer os parâmetros importantes no estudo do alinhamento de estruturas em imagens médicas;

 Identificar, estudar e apresentar algumas metodologias computacionais usualmente aplicáveis ao alinhamento de estruturas em imagens médicas do cérebro;

 Explorar as vantagens e os inconvenientes de algumas das metodologias computacionais estudadas, dando especial ênfase às mais adequadas para o diagnóstico e o acompanhamento dos doentes com esclerose múltipla a partir de imagens por ressonância magnética;

 Analisar, descrever e ensaiar algumas das implementações computacionais disponíveis, com dados simulados e em casos experimentais reais, usando a biblioteca computacional de domínio público Insight ToolKit (ITK), que é considerada frequentemente nesta área da análise de imagem médica;

 Desenvolver, com o auxílio da biblioteca ITK, um algoritmo para testar o alinhamento de imagens por RM obtidas aquando do acompanhamento da evolução das lesões de esclerose múltipla em doentes.

(26)

Para o cumprimento dos objectivos referidos estiveram sempre presentes as considerações seguintes:  Actualmente, existem diversas ferramentas ou pacotes de software, que efectuam ou incluem a possibilidade de realizar o alinhamento de imagens (ver secção 4.5);  A esclerose múltipla é uma patologia de elevada prevalência e de grande impacto na mortalidade em todo o mundo, especialmente nos jovens adultos;

 Ter como propósito oferecer à comunidade científica, no término desta Dissertação, uma ferramenta funcional que contribua no auxílio ao diagnóstico e ao acompanhamento, eficiente e ágil, de doentes portadores de esclerose múltipla. Assim, esperou‐se obter uma solução útil e viável para o alinhamento de estruturas em imagens médicas.

Assim, a motivação deste trabalho resultou da necessidade em desenvolver, aplicar, ensaiar e analisar metodologias computacionais para alinhar estruturas representadas em imagens médicas, e da indispensabilidade em obter técnicas robustas para alcançar alternativas ao alinhamento manual, que é uma tarefa tediosa, consumidora de muito tempo, não confiável e não repetível. Com a conclusão deste projecto, pretendeu‐se apresentar um complemento aos estudos médicos no auxílio ao diagnóstico e ao acompanhamento de doentes com EM.

1.3. Plano de trabalho

A metodologia adoptada para a realização deste trabalho baseou‐se, primordialmente, nas seguintes etapas:

 Revisão bibliográfica dos conceitos associados à análise e processamento de imagem, em particular no alinhamento de imagens;  Estudo da esclerose múltipla;  Análise detalhada de técnicas e algoritmos usualmente aplicados no alinhamento de imagens médicas;  Estudo da linguagem C++_{e da biblioteca ITK;}  Análise, descrição e ensaio de implementações computacionais presentes no ITK;  Desenvolvimento e teste de um algoritmo para o alinhamento de imagens de

doentes com esclerose múltipla;

 Redacção deste relatório de Dissertação.

(27)

1.4. Estrutura organizativa

O presente documento encontra‐se dividido em vários capítulos, que abordam desde conceitos teóricos, a resultados experimentais da utilização/implementação de algoritmos.

Após esta primeira secção, na qual foi elaborada uma introdução ao trabalho desenvolvido, aos seus objectivos e à estrutura adoptada para esta Dissertação, surge o capítulo seguinte, com o título “Esclerose múltipla”, que de uma forma sucinta apresenta uma descrição da patologia abordada, permitindo assim entender as motivações que conduziram à utilização de técnicas computacionais para o alinhamento de imagens de ressonância magnética cerebrais. De seguida, introduz‐se sumariamente as imagens por ressonância magnética com a finalidade de perceber a sua formação, de caracterizar o seu conteúdo e de entender a sua relação com a doença considerada. Seguidamente, procede‐se à descrição dos diversos aspectos relacionados com o alinhamento de imagens, articulando estes propósitos em torno dos critérios que permitem caracterizar os métodos computacionais analisados. Depois, surge a parte desta Dissertação dedicada ao ensaio experimental de algoritmos para o alinhamento de imagens cerebrais de doentes com esclerose múltipla tendo por base a biblioteca ITK. Este capítulo incorpora ainda uma apresentação, na forma de mapas estatísticos, e discussão dos principais resultados obtidos. Para terminar, inclui‐se o capítulo VI no qual é apresentada uma apreciação global do trabalho desenvolvido e abordadas algumas propostas/perspectivas para desenvolvimento futuro.

O presente relatório encontra‐se estruturado de modo a que os conceitos e resultados apresentados possam ser correctamente interpretados, tendo por base a informação precedente. Assim, os três capítulos seguintes, apresentam os fundamentos teóricos (estado da arte) nos quais todo este trabalho se alicerça. Desta forma, esta Dissertação aparece constituída pelos seguintes capítulos:  CAPÍTULO I – Introdução à Dissertação e à sua estrutura;  CAPÍTULO II – Esclerose múltipla;  CAPÍTULO III – Imagem por Ressonância Magnética;  CAPÍTULO IV – Técnicas de Alinhamento de Imagens Médicas;  CAPÍTULO V – Análise experimental;  CAPÍTULO VI – Considerações finais e Perspectivas futuras.

1.5. Principais contribuições

As principais contribuições que resultam deste projecto enquadram‐se por um lado, num plano teórico, onde se insere o trabalho de análise e síntese realizado a partir do estudo da bibliografia relevante às temáticas abordadas, e por outro, num aspecto prático, onde se incluem as tarefas de âmbito experimental realizadas. Desta forma, pode‐se destacar que as contribuições alcançadas com este trabalho prendem‐se essencialmente com:

(28)

 A contextualização das etapas e das metodologias para o alinhamento de estruturas em imagens médicas de doentes com esclerose múltipla;

 O levantamento de soluções computacionais para esta área;

 O ensaio, a aplicação e a comparação de metodologias genéricas e usuais para o alinhamento de estruturas representadas em imagens de doentes com esclerose múltipla;

 O desenvolvimento baseado na utilização da biblioteca ITK, de um algoritmo para testar o alinhamento de imagens por ressonância magnética obtidas de doentes com esclerose múltipla.

(29)

CAPÍTULO II – Esclerose múltipla

(30)

(31)

2.1.

A ser ai mais forma a info patol mieli nervo cicatr doen doen progr O entre de m exem com acarr N dime amar doen distin branc (b), a desm uma

Introdu

A esclerose m inda não tot comum do ado pelo enc ormação sen ogia caracte na, que des osas do siste rizes que se ça que norm ça desmieli ressiva (Mur Os sintomas d e pessoas, e manifestação mplo, a fraqu mais de 45 a retar, entre o Na EM, o nú nsão, de alg relada ou cin te para outr ntas. A Figu cas) mais ge as zonas de mielinização, substância n

ução

múltipla (EM talmente con sistema ner céfalo e pela nsorial e de eriza‐se esse empenha fu ema nervoso formam dep malmente pre nizante reco ray 2005). da esclerose afectando p da doença, eza muscula anos se que outras, a par úmero, a mo guns milímet nzenta rosad ro ou mesmo ra 2.1 most néricas da e e elevado si termo usad na matéria br Fig M), patologia nhecidos, con rvoso centra a medula esp controlo da ncialmente nções impo o central. Mi pois de pass evalece em d orrente da e múltipla po praticamente , desde o co ar ao esforço ixam (Clanet alisia de mem orfologia, fre

tros a vários da, podem v o entre difere

tra no plano sclerose mú inal visíveis o para defin ranca que iso gura 2.1 – Aspect (retirado de com muitos nsiste na do al (SNC) (Wa pinal, sendo as ordens “m pela destrui rtantes nas ilhões de tec sada a inflam doentes no matéria bra odem ser bas e todas as fu ontrolo dos o é geralmen t and Lyon‐C mbros ou me equentemen s centímetro variar no tem

entes cortes o axial, algu últipla no cér na substân nir a perda

ola as termin to típico das lesõe (Doyon, Cabanis s aspectos c ença inflama attjes and B o centro de motoras” da ção ou pelo trocas inter cidos nervos mação são co início da ida anca no SN stante grave unções bioló movimento nte o primeir Caen 1998). A esmo a perd nte ovular, a os de diâmet mpo (Clanet

imagiológic umas das fo rebro. Por ex ncia branca

ou a danific nações dos n es de EM no cére s et al. 2004)). omplexos e atória/desmi arkhof 2009 comando qu das aos mú endurecime neuronais e sos podem s onhecidas po de adulta. A C, que gera s, variando s ógicas de aco os à percepç o sintoma d Assim, a sua a da visão. a localização

tro, e a colo and Lyon‐Ca os obtidos at rmas (assina xemplo, nest subcortical ação das ba nervos. bro que continu ielinizante cr 9). Este siste ue interpreta sculos. A re ento da bain recobre as ser afectado or esclerose Assim, a EM é almente se significativam ordo com a f ção sensoria o qual os do a progressão o (Brown 19 oração das le aen 1998), d través de té aladas com ta figura, em

são as áre ainhas de m uam a rónica ema é a toda ferida nha de fibras s e as e, uma é uma torna mente forma al. Por oentes o pode 92), a esões, de um cnicas setas m (a) e as de ielina,

(32)

A adult comu super E conte preva final d

2.2.

Je proce comp patol autóp cinze tremo como deriv mead D impo

Após a epile tos, iniciando um os 30 an rior nas mulh Este capítul extualização alências e tip do capítulo,

Noções

ean‐Martin edeu em 18 pleta, Figura ogia actualm psia de jove

ntas espalh ores dos da o sendo bast a do germâ dos do século Figura 2.2 – Retra (retirado De salientar rtantes no a  A des que é nervo parte impu contr  A pro neuro

psia, a EM o‐se geralme nos, atingind heres (Murra o aborda histórica da pos, e finalm é apresenta

s histórica

Charcot, Fig 868, conjun 2.3, com lim mente conh ens doentes adas na me a Doença de tante raros ânico multip o XX (Murray ato de Jean‐Mart de (Murray 2005 que, na su ctual estudo struição ou o é a bainha is osas e que p es do corpo lsos ao cére rolo de várias oliferação d onais do siste é considerad ente entre o do ambos os ay 2005). a esclerose a patologia, mente termin da uma sínte

as

gura 2.2, ne tamente co mites bastant ecida por e que sofriam edula espina e Parkinson, e nomeou‐o len sklerose y 2005).

tin Charcot 5)). a análise Ch o da EM, tais o endurecim solante const ermite acele , sendo que ebro ao nerv s funções org e fibras e d ema nervoso

da a doença os 15 e os 5 s sexos, mas e múltipla. depois proc na‐se com a ese da inform eurologista om Edmé V te imprecisos sclerose mú m de tremor al e no cér Charcot ap os de scléros e e foi apen

Figura harcot estab como (Murr mento, ou sej tituída por g erar a transm

e este forta vo óptico e gânicas, tais de núcleos d o central que a neurológic 50 anos, ap s com uma p Assim, in ede‐se à sua definição do mação expos francês que ulpian, à p s (Grimaud, Z últipla. Isto s res e de par ebro. De fo presentou‐os se en plaque nas aceite p a 2.3 – Ilustraçõe (retirado beleceu aind ray 2005): ja a transfor gorduras que missão dos im alecimento i à medula e como a visã das células e dão suport

ca que mais resentando prevalência nicialmente a descrição, os critérios d sta.

e viveu ent rimeira desc Zhu et al. 20 sucedeu apó ralisias, a pr orma a sepa nas suas d e. O termo e ela generali es das lesões desc o de (Murray 200 da muitas d mação em p e envolve a m mpulsos nerv nterfere na espinal, dific o, o andar e da glia, que e e nutrição s afecta os j como idade duas a três efectua‐se incluindo ca de diagnóstic tre 1825 e crição histo 002), das lesõ ós contemp resença de p arar este tip descrições in esclerose mú idade a par

critas por Charco 05)). das caracterí placas, da m maioria das vosos às rest transmissã cultando ass e o falar;

e são célula aos neuróni ovens e mais vezes uma ausas, co. No 1893, ológica ões da lar na placas po de niciais, últipla rtir de

t ísticas ielina, fibras tantes o dos sim, o s não ios.

(33)

A doen origin Figur A const ocorr actua trans variad (Clan E EM e como preva Medi D excep indiví país d 1998 M introd

Antes de Cha ça. Destes, d nal demonst

a 2.4.

Ao longo do tantes e va rendo, essen alidade os es smitida de pa dos tipos de et and Lyon‐ Em 1938, G. estava associ o no norte d alência para iterrâneo ou Da associaçã pcional na Á íduo negro, de incidênci ; Murray 200 Mesmo com duzidos na c arcot, outro deve‐se real tração da p Figur século e me ariados, dep ncialmente specialistas c ais para filho e vírus, etc., ‐Caen 1998; Steiner foi u ado a factor da Europa, a patologia na América Figura 2.5 –

ão da EM c Ásia e em Á

e que o risco a baixa para 05). os grandes compreensão s investigad çar o trabalh atologia, be ra 2.4 – Ilustração (retira eio seguinte pendendo e na área mé considerem os, e ambien não sendo Murray 2005 um dos prim es regionais nos Estados , comparativ do Sul. Mapa da prevalê

com os fact África, sendo o de desenvo a um de inc

s progressos o desta doen ores obtiver ho de Rober em como, a o da EM efectuad ado de (Murray 2 , relatos sob essencialmen édica. Todo a EM como ntal, depende no entanto 5). meiros a obse . Desta form s Unidos da vamente com ência da EM (retir ores region o apenas e olver a doen idência elev s verificados nça que afec ram informa rt Carswell, q sua primei da por Robert Car 2005)).

bre a doença nte dos ava os estes pro o efeito de endo do clim apenas o re ervar e a pro ma, em certas América e m os países rado de (mult‐scl ais, deve‐se m 1987 reg nça muda qu ada ou vice

s na medicin cta vários m ações import que em 1838 ra ilustração rswell

a, as suas ca anços tecno ogressos faz uma predis ma, modo de sultado de u opor que o p s zonas do p no Canadá, localizados

erosis 2008)). e realçar qu gistado o pr ando um suj ‐versa (Clane na, poucos milhões de pe tantes sobre 8 apresentou o (Murray 2 ausas, etc., f ológicos que zem com qu sposição gen e vida, expos um simples predomínio p laneta, Figur existe uma em redor do

ue esta doe rimeiro caso

jeito migra d et and Lyon

elementos f essoas no m e esta u uma 2005), foram e iam ue na nética, ição a factor para a ra 2.5, forte o Mar nça é o num de um ‐Caen foram undo,

(34)

ating causa delica

2.3.

A episó mais indíci do en consi os sin diver facial preco A defin sistem axóni O comu

1 Tem p 2 Perm

indo na Eur a continua a ado.

Descriç

A esclerose m ódios esporád tarde transf ios podem o ncéfalo ou d ste nos nerv nais de com sas, como, f l (Murray 20 oce e simples Apesar de te

ição da sua ma imunitári io (Grimaud, O SNC conté unicação ent  Um a cober veloc  Um c protu Figura 2.6 –

por função prote ite aos sinais ner ropa uma pr algo encobe

ção da doe

múltipla é um dicos de disf formada em ocorrer em q da medula e vos sensorio‐ ando do SN fraqueza nas 005). Uma ve s a posterior er causas inc a origem (M io1 processad , Zhu et al. 20 m células ne re os diverso xónio (axon) rto por uma cidades e boa corpo celular uberâncias q – Estrutura esque

ger e facilitar a s rvosos eléctricos revalência d rta (Clanet

ença

ma doença n função neuro progressão i ualquer área espinal, sem ‐motores que C aos múscu pernas, difi ez diagnostic r evolução do certas, sendo Murray 2005) das no SNC e 002). ervosas, neu os neurónios ) que propag bainha de m a qualidade n r que contem ue se ligam a emática simplifica

obrevivência do i saltar de um nód de 1:1000 (W and Lyon‐Ca neurológica q ológica, segu ininterrupta a servida pel m afectar o s e transmitem ulos. Estes s culdade em ada, não há o grau de de o mesmo a ), a EM apa e caracteriza urónios, e cé s. Um neurón ga o impulso mielina2 (mye na condução m numerosos aos neurónio ada de um neuró indivíduo, lutand dulo para o seguin Wattjes and aen 1998), e que na maio uidos de rem (Kutzelnigg, los nervos m sistema nerv m ao SNC os sintomas pro controlar a parâmetros eficiência (Gr área mais c arenta envo adas pela que

élulas da glia nio típico, Fig o nervoso pro elin sheath) d o dos sinais n s dendritos ( os imediatam ónio típico (retira do contra os agen nte, sendo isto, a Barkhof 200 e o seu diag

oria dos doen missão compl Lucchinetti mielinizados d voso perifér dados receb ovocam nos bexiga ou m clínicos para imaud, Zhu e controversa lver activida ebra na miel

a, que asseg gura 2.6, é co oveniente do de forma a a nervosos; (dendrites), q mente vizinho

do de (mult‐scler tes patogénicos e base de uma con 09). Assim, gnóstico bas ntes, começa eta ou parci et al. 2005). da matéria b rico (SNP). O bidos pelo co doentes rea mesmo, dorm a prever de f et al. 2002). desta patolo ades anorma lina que env guram tamb onstituído p o corpo celul assegurar ele que são peq os. rosis 2008)). externos.

ndução nervosa a sua stante a com al, e é Estes branca O SNP orpo e acções mência forma ogia a ais do olve o ém, a or: lar e é evadas uenas rápida.

(35)

N mieli que exclu a mie mieli impu temp neuro C neuro pode episó prolo nova N um a glóbu imun destr imun adver lesõe N terap gravid possi

2.4.

C escle Na esclerose na das célul se apresen sivamente n elina é remo na deixam

lso é transm po do que se ológicos nor Como a loc ológicos asso rá ser poss ódio transitó ongada, os ne mente resta Nos doentes ataque orqu ulos brancos itário não c ruir os seus p itário reage rsas, produz es em diverso Na actualidad pêuticas sint dade dos e bilidade de a

Formas

Classicament rose múltipl múltipla, o las nervosas ntam como na substância

ovida ou qua de conduzir mitido ao lon e tivesse qu malmente se alização das ociados pod

ível a resta ório de mani eurónios pod belecida. com EM, a estrado por s, desencade consegue dis próprios teci e contra os zindo anti‐co os locais do S de, não exist tomáticas qu episódios. A atrasar o des

s de escler

e pode‐se a (mult‐scler s processos s, sendo esta o placas de a branca (Cla ando ela fic r, ou fazem‐ ngo da totali ue saltar de entidos dura s regiões c e variar con uração da f festação de dem ser dest bainha de m r parte de li eado por um stinguir as s dos, conduz constituinte orpos dirigid SNC, Figura 2 Figura 2.7 – Lesã (retirado de te nenhum t ue permitem ssim, existe senvolvimen

rose múlt

considerar rosis 2008): inflamatório a perda con e forma b anet and Lyo a muito fina ‐no mais le idade da fib nódulo par ante um ataq com lesões sideravelme função neur EM. Contud truídos ante mielina que i infócitos e m m fenómeno suas própria zindo assim a es do organ dos a esse c

2.7. o de EM no hem (Clanet and Lyon tratamento m alterar o e melhoria nto desta enf

ipla

a existênci os danificam nhecida por bastante irr on‐Caen 199 a na região. ntamente, o bra nervosa, a nódulo, o que de EM. é imprevisí ente. Uma ve rológica, est

do, em caso s da capa pr sola as fibra macrófagos, imunológico as células d a uma doenç nismo como combate. Co

isfério do cérebro n‐Caen 1998)). eficaz para e seu curso, na qualidad fermidade.

ia de quat

m ou destroe desmieliniza egular e q 98), tornam‐s Os axónios os sinais elé o que demo que se trad

ível a natu ez desaparec

ando‐se na os de desmie

otectora de

s nervosas t que são dif o. Isto signifi as estranha ça auto‐imun se eles fo omo resultad o esta patolog diminuindo de de vida

ro variedad

em as bainh ação. Estas l que predom se visíveis qu que ficam s éctricos. Ass ora bastante duz nos sint

reza dos d cida a inflam presença d elinização gr mielina pod torna‐se o al ferentes tip ica que o sis s e daí, ata ne onde o sis ossem substâ do, surgem gia, há no en a frequênci do doente des principa has da lesões minam uando sem a sim, o e mais tomas éfices mação, de um rave e der ser lvo de os de stema acar e stema âncias então ntanto ia e a e há

(36)

i. Recorrente remissiva (EMRR ou RRMS):

 Forma mais comum e ocorre em aproximadamente 40% dos casos;

 Caracterizada por surtos, também conhecidos como exacerbações, durante os quais novos sintomas podem aparecer e alguns mais antigos voltam a ressurgir ou a piorar;

 Surtos seguidos por períodos de remissão, durante os quais o doente recupera integralmente ou parcialmente recupera dos surtos adquiridos durante a recaída;  Tipo de sintomas é muito vasto, porque depende da parte do SNC afectado. ii. Secundária progressiva (EMSP ou SPMS):

 Surge em cerca de 25% dos doentes que têm EMRR e é expressa por uma constante progressão dos danos neurológicos clínicos, com ou sem recaídas e remissões menores sobrepostas;

 Nesta fase, os doentes continuam a ter surtos mas a recuperação torna‐se incompleta, originando uma deterioração progressiva da condição física; isto é, há um aumento gradual de sintomas e de incapacidades.

iii. Primária progressiva (EMPP ou PPMS):

 Aparece quando os doentes apresentam sintomas que se agravam gradualmente e não têm surtos distintos, remissão ou recuperação, sendo que a incapacidade agrava‐se progressivamente e pode estabilizar em determinada altura ou continuar a piorar;

 A EMPP é a forma mais incapacitante da doença e a mais problemática quanto ao seu tratamento, afectando normalmente as pessoas que sofrem os primeiros sintomas com idade superior a 40 anos. Ao contrário dos outros tipos de EM, tem a mesma probabilidade de ocorrência em homens e mulheres.

iv. Progressiva recorrente (EMPR ou PRMS):

 Caracteriza‐se por uma constante progressão dos danos neurológicos com surtos sensitivos ligeiros, pouco frequentes e com recuperação total;

 Depois de um ou dois surtos com restabelecimento completo e sem qualquer incapacidade, este tipo de EM não se agrava ao longo do tempo e não existe uma incapacidade permanente ou progressão da doença;  A EMPR é uma das formas menos comuns da enfermidade, com apenas 10% dos casos diagnosticados. Na Figura 2.8, os gráficos mostram o nível de deficiência ao longo do tempo dos diferentes tipos de EM. Nestes gráficos, quando aparece duas linhas, indica que existe duas possibilidades para essa forma de esclerose múltipla. Nas imagens apresentadas, os picos representam os

(37)

surto a esc sclero C histo 13 an idade córte A EMSP recor A os 20

3 Nesta cortica inflama os que podem olha do mod osis 2008). Figura 2.8 Como exemp lógicos de le nos de dura e e 16 de en ex, mas apen Figura 2.9 – A desmieliniz P e EMPP, m rrente (Kutze Assim, pode‐ 0 e os 40 an

a figura, a verde l, a azul as lesõ atória no cérebro

m ser seguid delo de trata

– Evolução clínic

plo das pri esões no cére

ção da doen nfermidade. as uma part Dados histológic zação no córt mas é rara ou elnigg, Lucch se concluir q nos de idad

estão represent ões desmieliniza o. os de uma r mento é efe EMRR

EMPR

ca esquemática d ncipais vari ebro3. A RRM nça, enquan A PPMS (o icipação men os das distintas f tex cerebral u inexistente inetti et al. 2 que os prime e e podem

adas as placas d ntes na substân

remissão tota ectuada med as distintas form edades de MS (ou EMRR to a SPMS ( u EMPP) mo nor da enfer formas de EM (re é principalm e em doente 2005). eiros sintoma manifestar‐ e desmielinizaçã ncia cinzenta pro

al ou parcial iante o tipo

as de EM (retirad

EM, a Figu R) pertence a (ou EMSP) a ostra uma d rmidade na s etirado de (Kutzel mente uma c es que apres as da EM sur se sob difer

o focal na matér ofunda e os po

. De salienta de evolução do de (mult‐sclero ura 2.9 apr a uma doent um doente desmielinizaç ubstância br nigg, Lucchinetti característica entam uma rgem em 70% rentes molde ria branca, a verm ntos azuis escur

ar que geralm o da doença ( EMSP

EMPP

osis 2008)). resenta os te de 57 ano e com 43 an ção acentua ranca. et al. 2005)). a em doente doença agu % dos casos es, sendo q melho a desmiel ro indicam a in

mente (mult‐ dados s com nos de da no s com da ou entre ue na inização filtração