Computational analysis of fetal brain development with patient-specific modelling and deep learning techniques

Mostra el registre complet Registre parcial de l'ítem

• dc.contributor.author Alenyà Sistané, Mireia
• dc.contributor.other Camara Rey, Oscar
• dc.contributor.other Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
• dc.date.accessioned 2025-02-20T05:41:23Z
• dc.date.available 2025-02-20T05:41:23Z
• dc.date.issued 2024-06-21T14:16:51Z
• dc.date.issued 2025-02-19T23:05:17Z
• dc.date.issued 2024-02-19
• dc.date.modified 2025-02-19T23:05:17Z
• dc.description.abstract This dissertation presents a novel computational pipeline for creating patient-specific models of brain development. Initially, the human brain develops from a smooth to a convoluted cortical surface, with abnormal folding patterns linked to neurodevelopmental disorders. Existing computational models, limited by their focus on synthetic or simplified anatomies, are enhanced in this work through the integration of longitudinal imaging data. Utilizing fetal brain MRIs, personalized 3D finite-element meshes were generated to simulate brain development. These simulations were then compared with neonatal images using several metrics. Applied to a cohort including controls and ventriculomegaly cases, this research also developed deep learning techniques for accelerated tissue segmentation and simulation surrogates. This approach marks the first in literature to model brain development in patient-specific geometries across multiple subjects. The findings pave the way for future advancements in realistic brain mechanical simulations, potentially aiding early detection and intervention planning for neurodevelopmental disorders.
• dc.description.abstract Aquesta tesi presenta un mètode computacional innovador per a models personalitzats del desenvolupament cerebral fetal. El cervell humà evoluciona des d’una superfície cortical llisa a una replegada, amb plegaments anormals associats a trastorns de desenvolupament neurològic. Millorant els models computacionals existents, que es centren en anatomies sintètiques o simplificades, aquest treball integra dades longitudinals real. A través d’imatges cerebrals fetals de ressonància magnètica, es van crear malles d’elements finits 3D per simular aquest desenvolupament, comparant-les amb dades neonatals reals mitjançant diverses mètriques. Aquesta investigació, aplicada a una cohort amb controls i casos de ventriculomegàlia, desenvolupa també tècniques d’aprenentatge profund per accelerar la segmentació de teixits i les simulacions biomecàniques. Aquest enfocament representa un avenç pioner en modelar el desenvolupament cerebral en geometries específiques de pacients. Els resultats obren noves possibilitats per a simulacions mecàniques cerebrals més realistes i poden contribuir en la detecció precoç i planificació d’intervencions en trastorns neurodevelopmentals
• dc.description.abstract Programa de Doctorat en Tecnologies de la Informació i les Comunicacions
• dc.format 192 p.
• dc.format application/pdf
• dc.identifier http://hdl.handle.net/10803/691491
• dc.identifier.uri http://hdl.handle.net/10230/61480
• dc.language.iso eng
• dc.publisher Universitat Pompeu Fabra
• dc.rights L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by/4.0/
• dc.rights http://creativecommons.org/licenses/by/4.0/
• dc.rights info:eu-repo/semantics/openAccess
• dc.source TDX (Tesis Doctorals en Xarxa)
• dc.subject.keyword Fetal brain development
• dc.subject.keyword Patient-specific modelling
• dc.subject.keyword FEM models
• dc.subject.keyword MRI
• dc.subject.keyword MRI segmentation
• dc.subject.keyword Medical image processing
• dc.subject.keyword Deep learning surrogates
• dc.subject.keyword Desenvolupament cerebral fetal
• dc.subject.keyword Modelatge personalitzat
• dc.subject.keyword Models basats en elements finits
• dc.subject.keyword Imatges de ressonància magnètica
• dc.subject.keyword Segmentació d’imatges mèdiques
• dc.subject.keyword Substituts d’aprenentatge profund
• dc.subject.keyword 004
• dc.subject.keyword 616.8
• dc.title Computational analysis of fetal brain development with patient-specific modelling and deep learning techniques
• dc.type info:eu-repo/semantics/doctoralThesis
• dc.type info:eu-repo/semantics/publishedVersion