Magnetic resonance imaging texture analysis of the temporomandibular joint for changes in the articular disc in individuals with migraine headache / Análise de textura por ressonância magnética da articulação temporomanbibular com alterações no disco articular em individuos com cefaleia migranea

Objective: the aim of this study was to analyse the performance of the technique of texture analysis (TA) with magnetic resonance imaging (MRI) scans of temporomandibular joints (TMJs) as a tool for identification of possible changes in individuals with migraine headache (MH) by relating the findings to the presence of internal derangements. Material and Methods: thirty MRI scans of the TMJ were selected for study, of which 15 were from individuals without MH or any other type of headache (control group) and 15 from those diagnosed with migraine. T2-weighted MRI scans of the articular joints taken in closed-mouth position were used for TA. The co-occurrence matrix was used to calculate the texture parameters. Fisher's exact test was used to compare the groups for gender, disc function and disc position, whereas Mann-Whitney's test was used for other parameters. The relationship of TA with disc position and function was assessed by using logistic regression adjusted for side and group. Results: the results indicated that the MRI texture analysis of articular discs in individuals with migraine headache has the potential to determine the behaviour of disc derangements, in which high values of contrast, low values of entropy and their correlation can correspond to displacements and tendency for non-reduction of the disc in these individuals. Conclusion: the TA of articular discs in individuals with MH has the potential to determine the behaviour of disc derangements based on high values of contrast and low values of entropy (AU)

Objetivo: o objetivo deste estudo foi analisar o desempenho da técnica de análise de textura (AT) em exames de ressonância magnética (RM) das articulações temporomandibulares (ATM) como ferramenta para identificação de possíveis alterações em indivíduos com cefaléia migrânea (CM) relacionando os achados com a presença de desarranjos internos. Material e Métodos: trinta exames de RM das ATM foram selecionados para estudo, sendo 15 de indivíduos sem cefaleia migrânea ou qualquer outro tipo de cefaléia (grupo controle) e 15 diagnosticados com CM. As imagens de RM ponderadas em T2 das articulações realizadas na posição de boca fechada foram usadas para AT. A matriz de co-ocorrência foi usada para calcular os parâmetros de textura. O teste exato de Fisher foi usado para comparar os grupos quanto ao sexo, função do disco e posição do disco, enquanto o teste de Mann-Whitney foi usado para os demais parâmetros. A relação da AT com a posição e função do disco foi avaliada por meio de regressão logística ajustada para lado e grupo. Resultados: a AT por RM dos discos articulares em indivíduos com cefaleia migrânea tem o potencial de determinar o comportamento dos desarranjos discais, em que altos valores de contraste, baixos valores de entropia e sua correlação podem corresponder a deslocamentos e tendência a não redução do disco nesses indivíduos. Conclusão: a análise de textura dos discos articulares em indivíduos com CM tem potencial para determinar o comportamento dos desarranjos do disco com base em altos valores de contraste e baixos valores de entropia. (AU)

Detección de fibrosis en imágenes de cine de resonancia cardíaca mediante el uso de técnicas de inteligencia artificial / Fibrosis detection on MR-Cine images by using artificial intelligence techniques

RESUMEN Introducción: Las técnicas de inteligencia artificial han demostrado tener un gran potencial en el área de la cardiología, especialmente para identificar patrones imperceptibles para el ser humano. En este sentido, dichas técnicas parecen ser las adecuadas para identificar patrones en la textura del miocardio con el objetivo de identificar y cuantificar la fibrosis. Objetivos: Proponer un nuevo método de inteligencia artificial para identificar fibrosis en imágenes cine de resonancia cardíaca. Materiales y métodos: Se realizó un estudio retrospectivo observacional en 75 sujetos del Sanatorio San Carlos de Bariloche. El método propuesto analiza la textura del miocardio en las imágenes cine CMR (resonancia magnética cardíaca) mediante el uso de una red neuronal convolucional que determinar el daño local del tejido miocárdico. Resultados: Se observó una precisión del 89% para cuantificar el daño tisular local en el conjunto de datos de validación y de un 70% para el conjunto de prueba. Además, el análisis cualitativo realizado muestra una alta correlación espacial en la localización de la lesión. Conclusiones: El método propuesto permite identificar espacialmente la fibrosis únicamente utilizando la información de los estudios de cine de resonancia magnética nuclear, mostrando el potencial de la técnica propuesta para cuantificar la viabilidad miocárdica en un futuro o estudiar la etiología de las lesiones.

ABSTRACT Background: Artificial intelligence techniques have demonstrated great potential in cardiology, especially to detect imperceptible patterns for the human eye. In this sense, these techniques seem to be adequate to identify patterns in the myocardial texture which could lead to characterize and quantify fibrosis. Purpose: The aim of this study was to postulate a new artificial intelligence method to identify fibrosis in cine cardiac magnetic resonance (CMR) imaging. Methods: A retrospective observational study was carried out in a population of 75 subjects from a clinical center of San Carlos de Bariloche. The proposed method analyzes the myocardial texture in cine CMR images using a convolutional neural network to determine local myocardial tissue damage. Results: An accuracy of 89% for quantifying local tissue damage was observed for the validation data set and 70% for the test set. In addition, the qualitative analysis showed a high spatial correlation in lesion location. Conclusions: The postulated method enables to spatially identify fibrosis using only the information from cine nuclear magnetic resonance studies, demonstrating the potential of this technique to quantify myocardial viability in the future or to study the etiology of lesions.

Artificial intelligence, machine learning, computer-aided diagnosis, and radiomics: advances in imaging towards to precision medicine / Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão

Abstract The discipline of radiology and diagnostic imaging has evolved greatly in recent years. We have observed an exponential increase in the number of exams performed, subspecialization of medical fields, and increases in accuracy of the various imaging methods, making it a challenge for the radiologist to "know everything about all exams and regions". In addition, imaging exams are no longer only qualitative and diagnostic, providing now quantitative information on disease severity, as well as identifying biomarkers of prognosis and treatment response. In view of this, computer-aided diagnosis systems have been developed with the objective of complementing diagnostic imaging and helping the therapeutic decision-making process. With the advent of artificial intelligence, "big data", and machine learning, we are moving toward the rapid expansion of the use of these tools in daily life of physicians, making each patient unique, as well as leading radiology toward the concept of multidisciplinary approach and precision medicine. In this article, we will present the main aspects of the computational tools currently available for analysis of images and the principles of such analysis, together with the main terms and concepts involved, as well as examining the impact that the development of artificial intelligence has had on radiology and diagnostic imaging.

Resumo A disciplina de radiologia e diagnóstico por imagem evoluiu sobremaneira nos últimos anos. Temos observado o aumento exponencial do número de exames realizados, a subespecialização das disciplinas médicas e a maior acurácia dos métodos, tornando um desafio para o médico radiologista "saber tudo sobre todos exames e regiões". Além disso, os exames de imagem deixaram de ser somente qualitativos e diagnósticos e passaram a fornecer informações quantitativas e de gravidade de doença, identificando biomarcadores prognósticos e de resposta ao tratamento. Diante disso, sistemas computadorizados de auxílio diagnóstico vêm sendo desenvolvidos com o objetivo dar suporte ao diagnóstico por imagem e à decisão terapêutica. Com o advento da inteligência artificial, do big data e do aprendizado de máquina, caminhamos para a rápida expansão do uso dessas ferramentas no dia-a-dia dos médicos, tornando cada paciente único, levando a radiologia ao encontro do conceito de abordagem multidisciplinar e medicina de precisão. Neste artigo serão abordados os principais aspectos das ferramentas computacionais atualmente disponíveis para análise das imagens médicas, apresentando os princípios de análise das imagens, os principais termos e conceitos envolvidos nesses processos, assim como o impacto do desenvolvimento da inteligência artificial na radiologia e diagnóstico por imagem.