On The Use of Machine Learning Algorithms to Classify Focal Cortical Dysplasia on MRI

  • João Guilherme Pereira USP
  • Matheus de Freitas Oliveira Baffa USP
  • Fabrício Henrique Simozo USP
  • Luiz Otavio Murta Junior USP
  • Joaquim Cezar Felipe USP

Resumo


A epilepsia refratária é uma condição caracterizada pela ocorrência de crise epiléptica que não pode ser controlada com medicamentos antiepilépticos. Essa condição está associada a uma descarga neuronal excessiva produzida por um grupo de neurônios em uma determinada zona epileptogênica. A Displasia Cortical Focal (DCF), comumente encontrada nessas zonas, foi detectada como uma das principais causas de epilepsia refratária. Nestes casos, a intervenção cirúrgica é necessária para minimizar ou eliminar as ocorrências de convulsões. Porém, o tratamento cirúrgico só é indicado nos casos em que haja certeza absoluta da DCF. A fim de auxiliar os neurocirurgiões a detectar precisamente essas regiões, este artigo tem como objetivo desenvolver um método de classificação para detectar DCF em imagens de Ressonância Magnética com base em características morfológicas e texturais extraídas a partir da perspectiva de cada voxel. Para realizar tal tarefa, diversos métodos de aprendizado supervisionado foram testados utilizando a base de características extraídas. Os melhores resultados alcançaram uma acurácia de 91,76 % usando um classificador baseado em Rede Neural Profunda e 96,15% utilizando uma árvore de decisão J48. O conjunto de métricas de avaliação mostra que os resultados são promissores na solução do problema levantado.

Referências

Adler, S., Wagstyl, K., Gunny, R., Ronan, L., Carmichael, D., Cross, J. H., Fletcher, P. C., and Baldeweg, T. (2017). Novel surface features for automated detection of focal cortical dysplasias in paediatric epilepsy. NeuroImage: Clinical, 14:18–27.

Antel, S. B., Collins, D. L., Bernasconi, N., Andermann, F., Shinghal, R., Kearney, R. E., Arnold, D. L., and Bernasconi, A. (2003). Automated detection of focal cortical dysplasia lesions using computational models of their mri characteristics and texture analysis. Neuroimage, 19(4):1748–1759.

Besson, P., Colliot, O., Evans, A., and Bernasconi, A. (2008). Automatic detection of subtle focal cortical dysplasia using surface-based features on mri. In 2008 5th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, pages 1633– 1636. IEEE.

Colombo, N., Tassi, L., Galli, C., Citterio, A., Russo, G. L., Scialfa, G., and Spreaco, R. (2003). Focal cortical dysplasias: Mr imaging, histopathologic, and clinical correlations in surgically treated patients with epilepsy. American Journal of Neuroradiology, 24(4):724–733.

Conci, A., Azevedo, E., and Leta, F. R. (2008). Computação gráca–teoria e prática,[v.2]. Rio de Janeiro.

Dev, K. B., Jogi, P. S., Niyas, S., Vinayagamani, S., Kesavadas, C., and Rajan, J. (2019). Automatic detection and localization of focal cortical dysplasia lesions in mri using fully convolutional neural network. Biomedical Signal Processing and Control, 52:218–225.

Fisher, R. S., Acevedo, C., Arzimanoglou, A., Bogacz, A., Cross, J. H., Elger, C. E., Engel Jr, J., Forsgren, L., French, J. A., Glynn, M., et al. (2014). Ilae ofcial report: a practical clinical denition of epilepsy. Epilepsia, 55(4):475–482.

French, J. A. (2007). Refractory epilepsy: clinical overview. Epilepsia, 48:3–7.

Gallucci Neto, J. and Marchetti, R. L. (2005). Aspectos epidemiológicos e relevância dos transtornos mentais associados à epilepsia. Brazilian Journal of Psychiatry, 27(4):323–328.

Hong, S.-J., Kim, H., Schrader, D., Bernasconi, N., Bernhardt, B. C., and Bernasconi, A. (2014). Automated detection of cortical dysplasia type ii in mri-negative epilepsy. Neurology, 83(1):48–55.

Jin, B., Krishnan, B., Adler, S., Wagstyl, K., Hu, W., Jones, S., Najm, I., Alexopoulos, A., Zhang, K., Zhang, J., et al. (2018). Automated detection of focal cortical dysplasia type ii with surface-based magnetic resonance imaging postprocessing and machine learning. Epilepsia, 59(5):982–992.

Kwan, P. and Brodie, M. J. (2000). Early identication of refractory epilepsy. New England Journal of Medicine, 342(5):314–319.

Li, L. and Hurford, R. (2020). Journal club: The risk of new-onset epilepsy and refractory epilepsy in older adult stroke survivors. Neurology.

Loyek, C., Woermann, F. G., and Nattkemper, T. W. (2008). Detection of focal cortical dysplasia lesions in mri using textural features. In Bildverarbeitung für die Medizin 2008, pages 432–436. Springer.

Rosenow, F. and Lüders, H. (2001). Presurgical evaluation of epilepsy. Brain, 124(9):1683–1700.

Roy, H., Lippé, S., Lussier, F., Sauerwein, H. C., Lortie, A., Lacroix, J., and Lassonde, M. (2011). Developmental outcome after a single episode of status epilepticus. Epilepsy & Behavior, 21(4):430–436.

Sheppard, E. and Lippé, S. (2012). Cognitive outcome of status epilepticus in children. Epilepsy research and treatment, 2012.

Simozo, F. H. (2018). Caracterização e identicação de displasias corticais focais em pacientes com epilepsia refratária através de análise de imagens estruturais de ressonância magnética nuclear. PhD thesis, Universidade de São Paulo.

Taylor, D., Falconer, M., Bruton, C., and Corsellis, J. (1971). Focal dysplasia of the cerebral cortex in epilepsy. Journal of Neurology, Neurosurgery & Psychiatry, 34(4):369– 387.

Wang, H., Ahmed, S. N., and Mandal, M. (2020). Automated detection of focal cortical dysplasia using a deep convolutional neural network. Computerized Medical Imaging and Graphics, 79:101662.

WHO, W. H. O. (2019). Oms destaca escassez de tratamento para epilepsia em países de baixa renda. Available at: <https://www.paho.org/bra/index.php?option=comcontentview=articleid=5972>. Accessed in: 15 jul. 2020.
Publicado
15/06/2021
PEREIRA, João Guilherme; BAFFA, Matheus de Freitas Oliveira; SIMOZO, Fabrício Henrique; MURTA JUNIOR, Luiz Otavio; FELIPE, Joaquim Cezar. On The Use of Machine Learning Algorithms to Classify Focal Cortical Dysplasia on MRI. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 21. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 177-187. ISSN 2763-8952. DOI: https://doi.org/10.5753/sbcas.2021.16063.