No description available.

A polineuropatia inflamatória desmielinizante crônica (PIDC) é uma síndrome caracterizada fundamentalmente pela disfunção do Sistema Nervoso Periférico e que afeta muito a qualidade de vida dos pacientes. O envolvimento da PIDC com o Sistema Nervoso Central tem sido descrito, maiormente como sendo subclínico, porém não há estudos sobre a caracterização deste envolvimento de uma forma ampla e quantitativa. Avaliamos 11 pacientes com PIDC, todos tratados e sem sinais clínicos de alterações centrais, e 11 controles, pareados em gênero e faixa etária de 19 a 69 anos. Foram adquiridas neuroimagens em uma máquina de Ressonância Magnética de alto campo (3T) usando diferentes técnicas de imagens; volumétricas ponderadas em T1, volumétricas de inversão e recuperação com atenuação de fluidos e ponderadas em T2, relaxométricas de cinco ecos para mapas de T2, de transferência de magnetização e por tensor de difusão. As imagens foram processadas em diferentes ferramentas computacionais e foram obtidos resultados para estudos da difusibilidade, volumetria, morfometria, tratometria e conectividade cerebral, além de achados radiológicos para os pacientes. As análises de grupos foram executadas por; 1) testes paramétricos monocaudais de duas amostras pareadas para os resultados da volumetria, da tratometria e conectividade cerebral; 2) mapeamento estatístico paramétrico para os resultados da morfometria baseada em voxel e; 3) estatística espacial baseada em tratos para os resultados da difusibilidade. Foram detectas alterações em todas as comparações. Os principais achados indicam um envolvimento possivelmente caracterizado por uma perda volumétrica encefálica generalizada, sobretudo nas regiões periventriculares associadas a ventrículos proeminentes acrescido de, um aumento da difusibilidade transversa e oblíqua nos maiores tratos de substância branca e, também há uma perda de densidade na substância branca periventricular e um aumento na substância cinzenta em uma região que sinaliza para o espessamento trigeminal bilateral e, uma redução geral da conectividade cerebral estrutural. / Chronic Inflammatory Demyelinating Polyneuropathy (CIDP) is a severe disease fundamentally characterized by dysfunction of the Peripheral Nervous System and affects greatly the quality of life of patients. The Central Nervous System (CNS) involvement in CIDP has not been described using recent quantitative neuroimaging techniques. We evaluated 11 patients with CIDP, all treated and without clinical signs of central alterations and 11 controls matched for gender and age group of 19 to 69 years. Magnetic Resonance Imaging were performed on a 3T scanner using different imaging techniques; structural 3D T1-weighted, fluid-attenuated inversion recovery, relaxometry with 5 echoes pulse sequence for T2 maps, magnetization transfer weighted and diffusion tensor imaging. The images were processed on different tools and were obtained results for the studies of diffusivity, volumetry, morphometry, tractometry, brain connectivity, and radiological findings of patients. Different statistical group analyses were performed in the quantitative results: 1) Parametric test for volumetry, tractometry and brain connectivity; 2) Parametric mapping for voxel morphometry; 3) Tract-based spatial statistics (TBSS) for diffusion coefficients. Changes were detected in all comparisons. In the patients, our main findings are: generalized loss brain volume more pronounced in periventricular regions associated with prominent ventricles, increased simultaneously perpendiculars and parallel diffusivity in the major tracts of the TBSS analyze, white matter density loss in the periventricular area, some bilateral trigeminal thickening, and general reduction of the brain connectivity. The CIDP affects the global brain and represents a demyelination in the CNS.

A polineuropatia inflamatória desmielinizante crônica (PIDC) é uma síndrome caracterizada fundamentalmente pela disfunção do Sistema Nervoso Periférico e que afeta muito a qualidade de vida dos pacientes. O envolvimento da PIDC com o Sistema Nervoso Central tem sido descrito, maiormente como sendo subclínico, porém não há estudos sobre a caracterização deste envolvimento de uma forma ampla e quantitativa. Avaliamos 11 pacientes com PIDC, todos tratados e sem sinais clínicos de alterações centrais, e 11 controles, pareados em gênero e faixa etária de 19 a 69 anos. Foram adquiridas neuroimagens em uma máquina de Ressonância Magnética de alto campo (3T) usando diferentes técnicas de imagens; volumétricas ponderadas em T1, volumétricas de inversão e recuperação com atenuação de fluidos e ponderadas em T2, relaxométricas de cinco ecos para mapas de T2, de transferência de magnetização e por tensor de difusão. As imagens foram processadas em diferentes ferramentas computacionais e foram obtidos resultados para estudos da difusibilidade, volumetria, morfometria, tratometria e conectividade cerebral, além de achados radiológicos para os pacientes. As análises de grupos foram executadas por; 1) testes paramétricos monocaudais de duas amostras pareadas para os resultados da volumetria, da tratometria e conectividade cerebral; 2) mapeamento estatístico paramétrico para os resultados da morfometria baseada em voxel e; 3) estatística espacial baseada em tratos para os resultados da difusibilidade. Foram detectas alterações em todas as comparações. Os principais achados indicam um envolvimento possivelmente caracterizado por uma perda volumétrica encefálica generalizada, sobretudo nas regiões periventriculares associadas a ventrículos proeminentes acrescido de, um aumento da difusibilidade transversa e oblíqua nos maiores tratos de substância branca e, também há uma perda de densidade na substância branca periventricular e um aumento na substância cinzenta em uma região que sinaliza para o espessamento trigeminal bilateral e, uma redução geral da conectividade cerebral estrutural. / Chronic Inflammatory Demyelinating Polyneuropathy (CIDP) is a severe disease fundamentally characterized by dysfunction of the Peripheral Nervous System and affects greatly the quality of life of patients. The Central Nervous System (CNS) involvement in CIDP has not been described using recent quantitative neuroimaging techniques. We evaluated 11 patients with CIDP, all treated and without clinical signs of central alterations and 11 controls matched for gender and age group of 19 to 69 years. Magnetic Resonance Imaging were performed on a 3T scanner using different imaging techniques; structural 3D T1-weighted, fluid-attenuated inversion recovery, relaxometry with 5 echoes pulse sequence for T2 maps, magnetization transfer weighted and diffusion tensor imaging. The images were processed on different tools and were obtained results for the studies of diffusivity, volumetry, morphometry, tractometry, brain connectivity, and radiological findings of patients. Different statistical group analyses were performed in the quantitative results: 1) Parametric test for volumetry, tractometry and brain connectivity; 2) Parametric mapping for voxel morphometry; 3) Tract-based spatial statistics (TBSS) for diffusion coefficients. Changes were detected in all comparisons. In the patients, our main findings are: generalized loss brain volume more pronounced in periventricular regions associated with prominent ventricles, increased simultaneously perpendiculars and parallel diffusivity in the major tracts of the TBSS analyze, white matter density loss in the periventricular area, some bilateral trigeminal thickening, and general reduction of the brain connectivity. The CIDP affects the global brain and represents a demyelination in the CNS.

La variation des intensités est souvent exploitée comme une propriété importante du signal ou de l’image par les algorithmes de traitement. La grandeur permettant de représenter et de quantifier cette variation d’intensité est appelée une « mesure de changement », qui est couramment employée dans les méthodes de détection de ruptures d’un signal, dans la détection des contours d’une image, dans les modèles de segmentation basés sur les contours, et dans des méthodes de lissage d’images avec préservation de discontinuités. Dans le traitement des images et signaux biomédicaux, les mesures de changement existantes fournissent des résultats peu précis lorsque le signal ou l’image présentent un fort niveau de bruit ou un fort caractère aléatoire, ce qui conduit à des artefacts indésirables dans le résultat des méthodes basées sur la mesure de changement. D’autre part, de nouvelles techniques d'imagerie médicale produisent de nouveaux types de données dites à valeurs multiples, qui nécessitent le développement de mesures de changement adaptées. Mesurer le changement dans des données de tenseur pose alors de nouveaux problèmes. Dans ce contexte, une mesure de changement, appelée « mesure de non-stationnarité (NSM) », est améliorée et étendue pour permettre de mesurer la non-stationnarité de signaux multidimensionnels quelconques (scalaire, vectoriel, tensoriel) par rapport à un paramètre statistique, et en fait ainsi une mesure générique et robuste. Une méthode de détection de changements basée sur la NSM et une méthode de détection de contours basée sur la NSM sont respectivement proposées et appliquées aux signaux ECG et EEG, ainsi qu’a des images cardiaques pondérées en diffusion (DW). Les résultats expérimentaux montrent que les méthodes de détection basées sur la NSM permettent de fournir la position précise des points de changement et des contours des structures tout en réduisant efficacement les fausses détections. Un modèle de contour actif géométrique basé sur la NSM (NSM-GAC) est proposé et appliqué pour segmenter des images échographiques de la carotide. Les résultats de segmentation montrent que le modèle NSM-GAC permet d’obtenir de meilleurs résultats comparativement aux outils existants avec moins d'itérations et de temps de calcul, et de réduire les faux contours et les ponts. Enfin, et plus important encore, une nouvelle approche de lissage préservant les caractéristiques locales, appelée filtrage adaptatif de non-stationnarité (NAF), est proposée et appliquée pour améliorer les images DW cardiaques. Les résultats expérimentaux montrent que la méthode proposée peut atteindre un meilleur compromis entre le lissage des régions homogènes et la préservation des caractéristiques désirées telles que les bords ou frontières, ce qui conduit à des champs de tenseurs plus homogènes et par conséquent à des fibres cardiaques reconstruites plus cohérentes. / The intensity variation is often used in signal or image processing algorithms after being quantified by a measurement method. The method for measuring and quantifying the intensity variation is called a « change measure », which is commonly used in methods for signal change detection, image edge detection, edge-based segmentation models, feature-preserving smoothing, etc. In these methods, the « change measure » plays such an important role that their performances are greatly affected by the result of the measurement of changes. The existing « change measures » may provide inaccurate information on changes, while processing biomedical images or signals, due to the high noise level or the strong randomness of the signals. This leads to various undesirable phenomena in the results of such methods. On the other hand, new medical imaging techniques bring out new data types and require new change measures. How to robustly measure changes in theos tensor-valued data becomes a new problem in image and signal processing. In this context, a « change measure », called the Non-Stationarity Measure (NSM), is improved and extended to become a general and robust « change measure » able to quantify changes existing in multidimensional data of different types, regarding different statistical parameters. A NSM-based change detection method and a NSM-based edge detection method are proposed and respectively applied to detect changes in ECG and EEG signals, and to detect edges in the cardiac diffusion weighted (DW) images. Experimental results show that the NSM-based detection methods can provide more accurate positions of change points and edges and can effectively reduce false detections. A NSM-based geometric active contour (NSM-GAC) model is proposed and applied to segment the ultrasound images of the carotid. Experimental results show that the NSM-GAC model provides better segmentation results with less iterations that comparative methods and can reduce false contours and leakages. Last and more important, a new feature-preserving smoothing approach called « Nonstationarity adaptive filtering (NAF) » is proposed and applied to enhance human cardiac DW images. Experimental results show that the proposed method achieves a better compromise between the smoothness of the homogeneous regions and the preservation of desirable features such as boundaries, thus leading to homogeneously consistent tensor fields and consequently a more reconstruction of the coherent fibers.