Promotie B. (Bo) Li

Hieronder volgt een korte samenvatting van het proefschrift:

Dit proefschrift ontwikkelt deep-learningmethoden om de analyse van hersen-MRI te verbeteren binnen drie hoofdgebieden: de analyse van diffusie-MRI (dMRI), interpreteerbare AI voor onderzoek naar veroudering en dementie waarbij de invloed van verstorende factoren zoveel mogelijk wordt beperkt, en de klinische vertaling van AI-gedreven neuroimagingmethoden.
We introduceren geautomatiseerde en robuuste technieken voor de segmentatie van witte-stofbanen en de ruimtelijke registratie van dMRI-beelden. Deze technieken verbeteren tract-specifieke analyses in zowel cross-sectionele als longitudinale studies. Daarbij bereiken zij een nauwkeurigheid en robuustheid die vergelijkbaar zijn met methoden die zijn ontwikkeld voor dMRI-data van hogere kwaliteit, terwijl ze toepasbaar blijven binnen grootschalige populatiestudies.
Naast dMRI richt dit proefschrift zich op uitdagingen rond het verminderen van verstorende effecten en het vergroten van de interpreteerbaarheid in beeldvormingsstudies op basis van deep learning. Tot slot wordt de kloof tussen AI-innovatie en klinische toepassing verkleind door op maat gemaakte frameworks te ontwikkelen voor praktische klinische vraagstukken, waaronder longitudinale analyse van gliomen en de detectie van cerebrale small vessel disease.
Door deze methodologische ontwikkelingen beoogt dit proefschrift de nauwkeurigheid, reproduceerbaarheid en klinische bruikbaarheid van AI-gedreven neuroimaginganalyse te verbeteren, ter ondersteuning van populatiestudies en onderzoek naar neurologische aandoeningen.