No description available.

L'instabilité posturale est souvent observée chez les patients atteints de la sclérose latérale amyotrophique (SLA). Cependant, les mécanismes neuronaux impliqués dans cette instabilité posturale demeurent largement inconnus. Comparés aux patients SLA sans instabilité postural, les patients atteints de SLA avec instabilité posturale présentent des APA altérés avec un déplacement postérieur du centre de pression du pied diminué (CP) et une durée des APA augmentée, la longueur et la vitesse du premier pas sont réduites, enfin, le contrôle postural dynamique est déficitaire avec une diminution spectaculaire de l'indice de freinage. A l'inverse, nous n’observons aucune modification des phases d’anticipation et d’exécution du pas chez les patients SLA sans instabilité posturale comparés aux sujets témoins. Le faible recul du CP au cours de la phase d’anticipation est corrélé positivement de façon significative à l’atrophie de la substance grise du PCC, SPL, PPN et le CN ; et la durée augmentée de la phase d’anticipation est corrélée négativement de façon significative à l’atrophie de la matière grise du AMS et du cervelet. Les réductions de la vitesse et de la longueur du premier pas sont liées de façon significative à l’atrophie de la matière grise dans le PMC, le PPN et le vermis cérébelleux, enfin, l’absence de freinage actif est corrélée à une diminution du volume de la matière grise du CUN. Ces résultats suggèrent que l'instabilité posturale des patients atteints de SLA est causée, au moins en partie, par le dysfonctionnement des régions et des réseaux connus pour être impliqués dans l'initiation de la marche et dans le contrôle de l’équilibre. / Postural instability is frequently reported in Amyotrophic Lateral Sclerosis (SLA) patients. However, the neural mechanisms that contribute to postural instability in SLA patients remain largely unknown. In comparison to both SLA patients without postural instability and controls, SLA patients with postural instability presented an altered anticipatory postural adjustment (APA) phase with a decreased posterior displacement of the center of foot pressure (CP) and a increased APA duration, decreased length and velocity of the first step and deficit of the dynamic postural control with a dramatic decreased braking index. Conversely, the gait initiation was not significantly modified in SLA patients without postural instability in comparison to controls. The reduced posterior CP displacement during the APA was significantly related to reduced grey matter volume of the left PCC, left SPL, right PPN and caudate nucleus, and the increased APA duration to the reduced grey matter volume of the left AMS and right cerebellum. The reduced velocity of the first step was significantly related to a decreased grey matter volume within the left PMC, right PPN and cerebellar vermis and the reduced braking index to decreased grey matter volume of the right CUN. These results suggest that postural instability of SLA patients result, at least partly, from dysfunction of brain regions and networks known to be involved in gait initiation and balance controls in human.

京都大学 / 0048 / 新制・課程博士 / 博士(医学) / 甲第18872号 / 医博第3983号 / 新制||医||1008(附属図書館) / 31823 / 京都大学大学院医学研究科医学専攻 / (主査)教授 河野 憲二, 教授 古川 壽亮, 教授 髙橋 良輔 / 学位規則第4条第1項該当 / Doctor of Medical Science / Kyoto University / DGAM

This thesis focuses on the analysis of the latest techniques for surface and solid binary voxelization of 3D models. It briefly describes current trends in this problematics and identifies a suitable method with an aim to parallelize the given solution on GPUs. It concretely explains the implementation process of the selected algorithm described in the paper Fast Parallel Surface and Solid Voxelization on GPUs , which produces a sparse voxel octree. The results are very close to those of the original authors. A new solution for extracting a smooth isosurface from this structure based on Marching Cubes is presented as well, providing up to 98 % reduction of the traversed cubes in higher resolutions. The resulting implementation is a framework usable for further voxel scene processing.

This thesis deals with procedural generation techniques and its use in the creation of voxel models. The techniques that have been used are Perlin Noise, Voronoi diagram, L-systems etc. This knowledge is then used to create a world generator for computer game with open world. This game provides players with the ability to modify this world and use its creativity, for example, in building construction. The game, however, will not give to the player all options for free, but for example for build, he or she will first have to find and mine the material. The game has been written in programming language C++ with the use of libraries Boost, SDL and OpenGL.

This thesis discusses rendering capabilities of web browsers of accelerated 3D scene rendering. It specifically deals with direct volumetric medical data visualization. It focuses on the usage of ray casting algorithm, its quality and its realistic rendering options. One of the goals was to create an application that demonstrates the ability to render three-dimensional volume data in a web browser using WebGL. The application is written in JavaSript and its 3D rendering core uses the Three.js library.

L’estimation de la distribution de dose et d’énergie en présence du mouvement des tissus induit par la respiration, constitue un défi technologique important dans la planification du traitement en hadronthérapie. Notamment pour le cancer pulmonaire, dans lequel de nombreuses difficultés apparaissent comme la variation de densité des tissues, le changement de la forme des organes ainsi que le décalage de la position de la tumeur pendant la respiration. Tous ces paramètres affectent la portée du faisceau d’ions utilisés pendant le traitement, et, par conséquent entraînent une distribution de dose inattendue. L’objectif principal de cette thèse est de proposer une méthode de calcul de dose basée sur les structures tétraédriques, qui permet d’estimer les distributions de dose des organes en mouvement en utilisant les simulations Monte Carlo. Ces distributions de dose sont calculées en utilisant une carte de densité tétraédrique dépendante du temps, décrivant l’anatomie interne du corps humain. De plus, le mouvement interne peut être représenté à l'aide d'une modélisation biomécanique résolue par la méthode des éléments finis (MEF) ou d'une carte de déplacement issue d’un recalage d’images déformable. Contrairement aux méthodes basées sur les structures classiques à base de voxels, la dose déposée s’accumule à l’intérieur de chaque tétraèdre au cours de la déformation, surmontant ainsi le problème du suivi tissulaire puisque le tétraèdre est défini comme une partie d’un tissu dont la composition chimique et la topologie ne changent pas. Dans la première partie de la thèse, nous avons développé une méthode de calcul de dose qui génère une carte de dose 4D en utilisant un modèle tétraédrique spécifique au patient. En outre, nous étudions l’effet du niveau de détail des maillages tétraédriques sur la précision de la distribution de la dose obtenue. Dans la deuxième partie, nous nous concentrons sur l’optimisation de la géométrie tétraédrique pour réduire le temps de simulation, sachant que l’obtention d’une distribution de dose précise peut être coûteux en termes de temps. Pour surmonter ce problème, nous avons proposé une nouvelle approche qui prend en compte la direction du faisceau afin de minimiser l'erreur de l’épaisseur équivalent eau des tétraèdres avant le volume de la tumeur. Cette méthode permet d'obtenir un maillage tétraédrique grossier et, par conséquent, d'améliorer les performances de calcul dans les simulations de Monte Carlo, tout en conservant une distribution de dose précise dans le volume cible / The estimation of energy and dose distribution patterns in respiratory-induced organ motion constitutes a significant challenge in hadron therapy treatment planning and dosimetry. Notably for lung cancer in which many difficulties arise, like tissue densities variation and the tumor position shifting during respiration. All these parameters affect the ranges of protons or ions used in treatment when passing through different tissues and can easily result in unexpected dose distribution. The present work consists of calculating the dose distributions of moving organs by means of Monte Carlo simulations and patient-specific modeling tools. The dose distributions are calculated using a time-dependent tetrahedral density map, describing the internal anatomy of the human body. Additionally, the internal motion can be described using either a biomechanical modeling based on Finite Element Analysis (FEA) or deformable image registration displacement map. Unlike methods based on the conventional voxel-based structures, the deposited energy is accumulated inside each tetrahedron during deformation, thus overcoming the problem of tissue tracking since that the tetrahedron is defined as a part of a tissue whose chemical composition and topology do not change. The first part of the Ph.D. project proposes a dose calculation method that generates a 4D dose map using a patient-specific tetrahedral model. Besides, we study the effect of the level of detail of tetrahedral meshes on the accuracy of the resulted dose distribution. In the second part, we focus on the optimization of the tetrahedral geometry to address the problem of time simulation, since obtaining a precise dose distribution can be very time-consuming. To overcome this issue, we've defined a new approach that takes into account the direction of the beam to minimize the error of the water equivalent thickness of the tetrahedrons before the tumor volume. This method allows for a coarsened tetrahedral mesh and as a result, improved computational performance in Monte Carlo simulations while guaranteeing a precise dose distribution in the target volume

In recent years, the usage of 3D deep learning techniques has seen a surge,mainly driven by advancements in autonomous driving and medical applications.This thesis investigates the applicability of existing state-of-the-art 3Ddeep learning network architectures to dense voxel grids from single photoncounting 3D LiDAR. This work also examine the choice of loss function asa means of dealing with extreme data imbalance, in order to segment peopleand vehicles in outdoor forest scenes. Due to data similarities with volumetricmedical data, such as computer tomography scans, this thesis investigates ifa model for 3D deep learning used for medical applications, the commonlyused 3D U-Net, can be used for photon counting data. The results showthat segmentation of people and vehicles is possible in this type of data butthat performance depends on the segmentation task, light conditions, and theloss function. For people segmentation the final models are able to predictall targets, but with a significant amount of false positives, something that islikely caused by similar LiDAR responses between people and tree trunks.For vehicle detection, the results are more inconsistent and varies greatlybetween different loss functions as well as the position and orientation of thevehicles. Overall, we consider the 3D U-Net model a successful proof-ofconceptregarding the applicability of 3D deep learning techniques to this kindof data. / Under de senaste åren har användningen för djupinlärningstekniker för 3Dsett en kraftig ökning, främst driven av framsteg inom autonoma fordon ochmedicinska tillämpningar. Denna avhandling undersöker befintliga modernadjupinlärningsnätverk för 3D i täta voxelgriddar från fotonräknande 3D LiDARför att segmentera människor och fordon i skogsscener. Vidare undersöksvalet av målfunktion som ett sätt att hantera extrem dataobalans. På grundav datalikheter med volymetriska medicinska data, såsom datortomografi,kommer denna avhandling att undersöka om en modell för 3D-djupinlärningsom används för medicinska applikationer, nämligen 3D U-Net, kan användasför fotonräknande data. Resultaten visar att segmentering av människor ochfordon är möjligt men att prestanda varier avsevärt med segmenteringsuppgiften,ljusförhållanden, och målfunktioner. För segmentering av människorkan de slutgiltiga modellerna segmentera alla mål men med en betydandemängd falska utslag, något som sannolikt orsakas av liknande LiDAR-svarmellan människor och trädstammar. För segmentering av fordon är resultatenmer oberäkneliga och varierar kraftigt mellan olika målfunktioner såväl somfordonens position och orientering. Sammantaget anser vi att 3D U-Netmodellenvisar på en framgångsrik konceptvalidering när det gäller tillämpningav djupinlärningstekniker för 3D på denna typ av data.

Deep learning-based dose prediction is a promising approach to automated radiotherapy planning but carries with it the risk of failing silently when the inputs are highly abnormal compared to the training data. One way to address this issue is to develop a dedicated outlier detector capable of detecting anomalous patient geometries. I examine the potential of so-called generative models to handle this task. These models are promising due to being able to model the distribution of the input data regardless of the downstream task, but they have also been shown to suffer from serious biases when applied to outlier detection. No consensus has been reached regarding the root cause of these biases, or how to address them. I investigate this by attempting to design a variational autoencoder-based outlier detector trained to detect anomalous samples of shapes represented in a binary voxel format. I find the standard procedure application to suffer from severe bias when encountering cropped shapes, leading to systematic misclassification of some outlier patient cases. I overcome this by adopting a segmentation metric as an out-of-distribution metric and show that this outperforms recently proposed general-purpose solutions to the likelihood bias issue. I then benchmark my proposed method on clinical samples and conclude that this approach achieves performance comparable to a one-class support vector machine model that uses handcrafted domain-specific features. / Djupinlärningsbaserad dosprediktion är en mycket lovande metod för att automatiskt generera behandlingsplaner för strålterapi. Djupinlärningsmodeller kan dock endast förväntas fungera på data som är tillräckligt lik träningsdatan, vilket skapar en säkerhetsrisk i kliniska miljöer. Ett möjlig lösning på detta problem är att använda en särskild detektor som klarar av att identifiera avvikande data. I denna uppsats undersöker jag om en generativa djupinlärningsmodell kan användas som en sådan detektor. Generativa modeller är särskilt intressanta för detta ändamål då de är både kraftfulla och flexibla. Dessvärre har generativa modeller visats kunna vilseledas av vissa typer av data. Orsakerna och de underliggande faktorerna till detta har ännu inte identifierats. Jag undersöker denna problematik genom att designa en detektor baserad på en variationell autokodare. Jag upptäcker att den en naiv applikation av denna modell inte är tillräcklig för den kliniska datan, då modellen systematiskt felvärderar beskärda former. Jag löser detta problem genom att nyttja ett modifierat segmenteringsmått som detektionsmått, och visar att denna metod fungerar bättre än mer allmänna lösningar på vilseledningsproblemet. Jag evaluerar metoderna på klinisk data och finner att min metod fungerar lika bra som en en-klass stödvektormaskin som använder sig av handgjorda domänspecifika features.

El balance del cerebro se altera a nivel estructural y funcional por el consumo de alcohol y puede causar trastornos por consumo de alcohol (TCA). El objetivo de esta Tesis Doctoral fue investigar los efectos del consumo crónico y excesivo de alcohol en el cerebro desde una perspectiva funcional y estructural, mediante análisis de imágenes multimodales de resonancia magnética (RM). Realizamos tres estudios con objetivos específicos: i) Para entender cómo las neuroadaptaciones desencadenadas por el consumo de alcohol se ven reflejadas en la conectividad cerebral funcional entre redes cerebrales, así como en la actividad cerebral, realizamos estudios en ratas msP en condiciones de control y tras un mes con acceso a alcohol. Para cada sujeto se obtuvieron las señales específicas de sus redes cerebrales tras aplicar análisis probabilístico de componentes independientes y regresión espacial a las imágenes funcionales de RM en estado de reposo (RMf-er). Después, estimamos la conectividad cerebral en estado de reposo mediante correlación parcial regularizada. Para una lectura de la actividad neuronal realizamos un experimento con imágenes de RM realzadas con manganeso. En la condición de alcohol encontramos hipoconectividades entre la red visual y las redes estriatal y sensorial; todas con incrementos en actividad. Por el contrario, hubo hiperconectividades entre tres pares de redes cerebrales: 1) red prefrontal cingulada media y red estriatal, 2) red sensorial y red parietal de asociación y 3) red motora-retroesplenial y red sensorial, siendo la red parietal de asociación la única red sin incremento de actividad. Estos resultados indican que las redes cerebrales ya se alteran desde una fase temprana de consumo continuo y prolongado de alcohol, disminuyendo el control ejecutivo y la flexibilidad comportamental. ii) Para comparar el volumen de materia gris (MG) cortical entre 34 controles sanos y 35 pacientes con dependencia al alcohol, desintoxicados y en abstinencia de 1 a 5 semanas, realizamos un análisis de morfometría basado en vóxel. Las principales estructuras cuyo volumen de MG disminuyó en los sujetos en abstinencia fueron el giro precentral (GPreC), el giro postcentral (GPostC), la corteza motora suplementaria (CMS), el giro frontal medio (GFM), el precúneo (PCUN) y el lóbulo parietal superior (LPS). Disminuciones de MG en el volumen de esas áreas pueden dar lugar a cambios en el control de los movimientos (GPreC y CMS), en el procesamiento de información táctil y propioceptiva (GPostC), personalidad, previsión (GFM), reconocimiento sensorial, entendimiento del lenguaje, orientación (PCUN) y reconocimiento de objetos a través de su forma (LPS). iii) Caracterizar estados cerebrales dinámicos en señales de RMf mediante una metodología basada en un modelo oculto de Markov (HMM en inglés)-Gaussiano en un paradigma con diseño de bloques, junto con distintas señales temporales de múltiples redes: componentes independientes y modos funcionales probabilísticos (PFMs en inglés) en 14 sujetos sanos. Cuatro condiciones experimentales formaron el paradigma de bloques: reposo, visual, motora y visual-motora. Mediante la aplicación de HMM-Gaussiano a los PFMs pudimos caracterizar cuatro estados cerebrales a partir de la actividad media de cada PFM. Los cuatro mapas espaciales obtenidos fueron llamados HMM-reposo, HMM-visual, HMM-motor y HMM-RND (red neuronal por defecto). HMM-RND apareció una vez el estado de tarea se había estabilizado. En un futuro cercano se espera obtener estados cerebrales en nuestros datos de RMf-er en ratas, para comparar dinámicamente el comportamiento de las redes cerebrales como un biomarcador de TCA. En conclusión, las técnicas de neuroimagen aplicadas en imagen de RM multimodal para estimar la conectividad cerebral en estado de reposo, la actividad cerebral y el volumen de materia gris han permitido avanzar en el entendimiento de los mecanismos homeostático / La ingesta d'alcohol altera el balanç del cervell a nivell estructural i funcional i pot causar trastorns per consum d' alcohol (TCA). L'objectiu d'aquesta Tesi Doctoral fou estudiar els efectes en el cervell del consum crònic i excessiu d'alcohol, des d'un punt de vista funcional i estructural i per mitjà d'anàlisi d'imatges de ressonància magnètica (RM). Vam realitzar tres anàlisis amb objectius específics: i) Per a entendre com les neuroadaptacions desencadenades pel consum d'alcohol es veuen reflectides en la connectivitat cerebral funcional entre xarxes cerebrals, així com en l'activitat cerebral, vam realitzar estudis en rates msP en les condicions de control i després d'un mes amb accés a alcohol. Per a cada subjecte vam obtindre els senyals de les xarxes cerebrals tras aplicar a les imatges funcionals de RM en estat de repòs una anàlisi probabilística de components independents i regressió espacial. Després, estimàrem la connectivitat cerebral en estat de repòs per mitjà de correlació parcial regularitzada. Per a una lectura de l'activitat cerebral vam adquirir imatges de RM realçades amb manganés. En la condició d'alcohol vam trobar hipoconnectivitats entre la xarxa visual i les xarxes estriatal i sensorial, totes amb increments en activitat. Al contrari, va haver-hi hiperconnectivitats entre tres parells de xarxes cerebrals: 1) xarxa prefrontal cingulada mitja i xarxa estriatal, 2) xarxa sensorial i xarxa parietal d'associació i 3) xarxa motora-retroesplenial i xarxa sensorial, sent la xarxa parietal d'associació l'única xarxa sense increment d'activitat. Aquests resultats indiquen que les xarxes cerebrals ja s'alteren des d'una fase primerenca caracteritzada per consum continu i prolongat d'alcohol, disminuint el control executiu i la flexibilitat comportamental. ii) Per a comparar el volum de MG cortical entre 34 controls sans i 35 pacients amb dependència a l'alcohol, desintoxicats i en abstinència de 1 a 5 setmanes vam emprar anàlisi de morfometria basada en vòxel. Les principals estructures on el volum de MG va disminuir en els subjectes en abstinència van ser el gir precentral (GPreC), el gir postcentral (GPostC), la corteça motora suplementària (CMS), el gir frontal mig (GFM), el precuni (PCUN) i el lòbul parietal superior (LPS). Les disminucions de MG en eixes àrees poden donar lloc a canvis en el control dels moviments (GPreC i CMS), en el processament d'informació tàctil i propioceptiva (GPostC), personalitat, previsió (GFM), reconeixement sensorial, enteniment del llenguatge, orientació (PCUN) i reconeixement d'objectes a través de la seua forma (LPS). iii) Caracterització de les dinàmiques temporals del cervell com a diferents estats cerebrals, en senyals de RMf mitjançant una metodologia basada en un model ocult de Markov (HMM en anglès)-Gaussià en imatges de RMf, junt amb dos tipus de senyals temporals de múltiples xarxes cerebrals: components independents i modes funcionals probabilístics (PFMs en anglès) en 14 subjectes sans. Quatre condicions experimentals van formar el paradigma de blocs: repòs, visual, motora i visual-motora. HMM-Gaussià aplicat als PFMs (senyals de RM funcional de xarxes cerebrals) va permetre la millor caracterització dels quatre estats cerebrals a partir de l'activitat mitjana de cada PFM. Els quatre mapes espacials obtinguts van ser anomenats HMM-repòs, HMM-visual, HMM-motor i HMM-XND (xarxa neuronal per defecte). HMM-XND va aparèixer una vegada una tasca estava estabilitzada. En un futur pròxim s'espera obtindre estats cerebrals en les nostres dades de RMf-er en rates, per a comparar dinàmicament el comportament de les xarxes cerebrals com a biomarcador de TCA. En conclusió, s'han aplicat tècniques de neuroimatge per a estimar la connectivitat cerebral en estat de repòs, l'activitat cerebral i el volum de MG, aplicades a imatges multimodals de RM i s'han obtés resultats que han permés avançar en l'enteniment dels m / Alcohol intake alters brain balance, affecting its structure and function, and it may cause Alcohol Use Disorders (AUDs). We aimed to study the effects of chronic, excessive alcohol consumption on the brain from a functional and structural point of view, via analysis of multimodal magnetic resonance (MR) images. We conducted three studies with specific aims: i) To understand how the neuroadaptations triggered by alcohol intake are reflected in between-network resting-state functional connectivity (rs-FC) and brain activity in the onset of alcohol dependence, we performed studies in msP rats in control and alcohol conditions. Group probabilistic independent component analysis (group-PICA) and spatial regression were applied to resting-state functional magnetic resonance imaging (rs-fMRI) images to obtain subject-specific time courses of seven resting-state networks (RSNs). Then, we estimated rs-FC via L2-regularized partial correlation. We performed a manganese-enhanced (MEMRI) experiment as a readout of neuronal activity. In alcohol condition, we found hypoconnectivities between the visual network (VN), and striatal (StrN) and sensory-cortex (SCN) networks, all with increased brain activity. On the contrary, hyperconnectivities were found between three pairs of RSNs: 1) medial prefrontal-cingulate (mPRN) and StrN, 2) SCN and parietal association (PAN) and 3) motor-retrosplenial (MRN) and SCN networks, being PAN the only network without brain activity rise. Interestingly, the hypoconnectivities could be explained as control to alcohol transitions from direct to indirect connectivity, whereas the hyperconnectivities reflected an indirect to an even more indirect connection. These findings indicate that RSNs are early altered by prolonged and moderate alcohol exposure, diminishing the executive control and behavioral flexibility. ii) To compare cortical gray matter (GM) volume between 34 healthy controls and 35 alcohol-dependent patients who were detoxified and remained abstinent for 1-5 weeks before MRI acquisition, we performed a voxel-based morphometry analysis. The main structures whose GM volume decreased in abstinent subjects compared to controls were precentral gyrus (PreCG), postcentral gyrus (PostCG), supplementary motor cortex (SMC), middle frontal gyrus (MFG), precuneus (PCUN) and superior parietal lobule (SPL). Decreases in GM volume in these areas may lead to changes in control of movement (PreCG and SMC), in processing tactile and proprioceptive information (PostCG), personality, insight, prevision (MFG), sensory appreciation, language understanding, orientation (PCUN) and the recognition of objects by touch and shapes (SPL). iii) To characterize dynamic brain states in functional MRI (fMRI) signals by means of an approach based on the Hidden Markov model (HMM). Several parameter configurations of HMM-Gaussian in a block-design paradigm were considered, together with different time series: independent components (ICs) and probabilistic functional modes (PFMs) on 14 healthy subjects. The block-design fMRI paradigm consisted of four experimental conditions: rest, visual, motor and visual-motor. Characterizing brain states' dynamics in fMRI data was possible applying the HMM-Gaussian approach to PFMs, with mean activity driving the states. The four spatial maps obtained were named HMM-rest, HMM-visual, HMM-motor and HMM-DMN (default mode network). HMM-DMN appeared once a task state had stabilized. The ultimate goal will be to obtain brain states in our rs-fMRI rat data, to dynamically compare the behavior of brain RSNs as a biomarker of AUD. In conclusion, neuroimaging techniques to estimate rs-FC, brain activity and GM volume can be successfully applied to multimodal MRI in the advance of the understanding of brain homeostasis in AUDs. These functional and structural alterations are a biomarker of chronic alcoholism to explain impairments in executive control, reward evaluation and visuospatial processing. / Pérez Ramírez, MÚ. (2018). Characterizing functional and structural brain alterations driven by chronic alcohol drinking: a resting-state fMRI connectivity and voxel-based morphometry analysis [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/113164