This book constitutes the thoroughly refereed post-workshop proceedings of the International Workshop on Brain Lesion (BrainLes), Brain Tumor Segmentation (BRATS) and Ischemic Stroke Lesion Segmentati

The BrainLes 2018 workshop volumes present papers focusing on brain lesion image analysis; brain tumor image segmentation; ischemic stroke lesion image segmentation; grand challenge on MR brain segmentation; computational precision medicine; stroke workshop on imaging and treatment challenges.

In this work we approach the brain tumor segmentation problem with a cascade of two CNNs inspired in the V-Net architecture \cite{VNet}, reformulating residual connections and making use of ROI masks to constrain the networks to train only on relevant voxels. This architecture allows dense training on problems with highly skewed class distributions, such as brain tumor segmentation, by focusing training only on the vecinity of the tumor area. We report results on BraTS2017 Training and Validation sets.

Deposits of amyloid-β (Aβ) in the brains of rodents can be analysed by invasive intravital microscopy on a submillimetre scale, or via whole-brain images from modalities lacking the resolution or molecular specificity to accurately characterize Aβ pathologies. Here we show that large-field multifocal illumination fluorescence microscopy and panoramic volumetric multispectral optoacoustic tomography can be combined to longitudinally assess Aβ deposits in transgenic mouse models of Alzheimer's disease. We used fluorescent Aβ-targeted probes (the luminescent conjugated oligothiophene HS-169 and the oxazine-derivative AOI987) to transcranially detect Aβ deposits in the cortex of APP/PS1 and arcAβ mice with single-plaque resolution (8 μm) and across the whole brain (including the hippocampus and the thalamus, which are inaccessible by conventional intravital microscopy) at sub-150 μm resolutions. Two-photon microscopy, light-sheet microscopy and immunohistochemistry of brain-tissue sections confirmed the specificity and regional distributions of the deposits. High-resolution multiscale optical and optoacoustic imaging of Aβ deposits across the entire brain in rodents thus facilitates the in vivo study of Aβ accumulation by brain region and by animal age and strain.

A brain lesion is a brain tissue abnormality which can be seen on a neurological scan, such as magnetic resonance imaging or computerized tomography. Brain tumor, multiple sclerosis, stroke and traumatic brain injuries are different diseases and accidents affecting in different ways the brain. Their unpredictable appearance and shape make them challenging to be segmented in multi-modal brain imaging. Nevertheless, they share similarities in the way they appear in medical images.

The BrainLes 2021 proceedings present research on glioma, multiple sclerosis, stroke and traumatic brain injuries.

The World Health Organization has recommended at least four antenatal care (ANC) visits and skilled attendants at birth. Most pregnant women in rural communities in low-income countries do not achieve the minimum recommended visits and deliver without skilled attendants. With the aim of increasing number of ANC visits, reducing home deliveries, and supplementing care given by ANC clinics, a proposed system based on low-cost mobile phones and portable ultrasound scan machines was piloted. A sample of 323 pregnant women from four rural communities in the Central Region of Ghana were followed within a 11-month project. In each community, at least one health worker was trained and equipped with a mobile phone to promote ANC and hospital deliveries in her own community. If women cannot attend ANC, technicians acquired scans by using portable ultrasound machines in her community directly and sent them almost in real time to be analyzed by a gynecologist in an urban hospital. A preliminary survey to assess ANC status preceding the pilot study was conducted. During this, one hundred women who had had pregnancies within five years prior to the study were interviewed. The preliminary survey showed that women who attended ANC were less likely to have a miscarriage and more likely to have delivery at hospital or clinic than those who did not, and women who attained at least four ANC visits were less likely to practice self-medication. Among the women involved in the project, 40 gave birth during the period of observation. The proposed prenatal care approach showed that 62.5 % of pregnant women who gave birth during the observation period included in the project (n=40) had their labor attended in clinics or hospitals as against 37.5 % among the cases reported in the pre-survey. One case of ectopic and two cases of breech pregnancies were detected during the pilot through the proposed approach, and appropriate medical interventions were sought. Our results show that the proposed prenatal care approach can make quality ANC accessible in rural communities where pregnant women have not been able to access proper ANC.

Abstract Variations in the human genome have been found to be an essential factor that affects susceptibility to Alzheimer’s disease. Genome-wide association studies (GWAS) have identified genetic loci that significantly contribute to the risk of Alzheimers. The availability of genetic data, coupled with brain imaging technologies have opened the door for further discoveries, by using data integration methodologies and new study designs. Although methods have been proposed for integrating image characteristics and genetic information for studying Alzheimers, the measurement of disease is often taken at a single time point, therefore, not allowing the disease progression to be taken into consideration. In longitudinal settings, we analyzed neuroimaging and single nucleotide polymorphism datasets obtained from the Alzheimer’s Disease Neuroimaging Initiative for three clinical stages of the disease, including healthy control, early mild cognitive impairment and Alzheimer’s disease subjects. We conducted a GWAS regressing the absolute change of global connectivity metrics on the genetic variants, and used the GWAS summary statistics to compute the gene and pathway scores. We observed significant associations between the change in structural brain connectivity defined by tractography and genes, which have previously been reported to biologically manipulate the risk and progression of certain neurodegenerative disorders, including Alzheimer’s disease.

Objectives A novel characterization of Clinically Isolated Syndrome (CIS) patients according to lesion patterns is proposed. More specifically, patients are classified according to the nature of inflammatory lesions patterns. It is expected that this characterization can infer new prospective figures from the earliest imaging signs of Multiple Sclerosis (MS), since it can provide a classification of different types of lesions across patients. Methods The method is based on a two-tiered classification. Initially, the spatio-temporal lesion patterns are classified. The discovered lesion patterns are then used to characterize groups of patients. The patient groups are validated using statistical measures and by correlations at 24-month follow-up with hypointense lesion loads. Results The methodology identified 3 statistically significantly different clusters of lesion patterns showing p-values smaller than 0.01. Moreover, these patterns defined at baseline correlated with chronic hypointense lesion volumes by follow-up with an score of . Conclusions The proposed methodology is capable of identifying three major different lesion patterns that are heterogeneously present in patients, allowing a patient classification using only two MRI scans. This finding may lead to more accurate prognosis and thus to more suitable treatments at early stage of MS.

The relationship between structure and function is of interest in many research fields involving the study of complex biological processes. In neuroscience in particular, the fusion of structural and functional data can help to understand the underlying principles of the operational networks in the brain. To address this issue, this paper proposes a constrained autoregressive model leading to a representation of effective connectivity that can be used to better understand how the structure modulates the function. Or simply, it can be used to find novel biomarkers characterizing groups of subjects. In practice, an initial structural connectivity representation is re-weighted to explain the functional co-activations. This is obtained by minimizing the reconstruction error of an autoregressive model constrained by the structural connectivity prior. The model has been designed to also include indirect connections, allowing to split direct and indirect components in the functional connectivity, and it can be used with raw and deconvoluted BOLD signal. The derived representation of dependencies was compared to the well known dynamic causal model, giving results closer to known ground-truth. Further evaluation of the proposed effective network was performed on two typical tasks. In a first experiment the direct functional dependencies were tested on a community detection problem, where the brain was partitioned using the effective networks across multiple subjects. In a second experiment the model was validated in a case-control task, which aimed at differentiating healthy subjects from individuals with autism spectrum disorder. Results showed that using effective connectivity leads to clusters better describing the functional interactions in the community detection task, while maintaining the original structural organization, and obtaining a better discrimination in the case-control classification task.