Automatic segmentation of newborn brain MRI.
Automatic segmentation of newborn brain MRI.
复制标题
DOI：
10.1016/j.neuroimage.2009.04.068
复制
发表时间：
2009-08-15
期刊：
影响因子：
5.7
通讯作者：
Warfield, Simon K.
中科院分区：
文献类型：
--
作者：
Weisenfeld, Neil I.;Warfield, Simon K.
来自新生儿MRI的定量脑组织分割提供了改善临床决策和诊断的可能性，对疾病机制的新见解，以及评估早产儿治疗方案的新方法。然而，由于发育中大脑的成像特征，这样的分割是具有挑战性的。现有的新生儿分割技术要么通过忽略不同组织类型之间的关键区别来实现自动化，要么需要广泛的专家交互。由于人工交互费时费力，并且引入了偏差和变异性，我们开发了一种新的新生儿脑MRI自动分割算法。这项工作的关键算法贡献是一种自动学习患者特定类别条件概率密度函数的新方法。该算法实现了与专家分割相当的性能，同时自动识别皮质灰质、皮质下灰质、脑脊液、有髓白质和无髓白质。我们将我们的算法与之前发表的半自动算法和专家绘制的图像进行了性能比较。我们的算法达到了与需要不必要的人工交互的方法相当的精度。
Quantitative brain tissue segmentation from newborn MRI offers the possibility of improved clinical decision making and diagnosis, new insight into the mechanisms of disease, and new methods for the evaluation of treatment protocols for preterm newborns. Such segmentation is challenging, however, due to the imaging characteristics of the developing brain. Existing techniques for newborn segmentation either achieve automation by ignoring critical distinctions between different tissue types or require extensive expert interaction. Because manual interaction is time consuming and introduces both bias and variability, we have developed a novel automatic segmentation algorithm for brain MRI of newborn infants. The key algorithmic contribution of this work is a new approach for automatically learning patient-specific class conditional probability density functions. The algorithm achieves performance comparable to expert segmentations while automatically identifying cortical gray matter, subcortical gray matter, cerebrospinal fluid, myelinated white matter and unmyelinated white matter. We compared the performance of our algorithm with a previously published semi-automated algorithm and with expert-drawn images. Our algorithm achieved an accuracy comparable with methods that require undesirable manual interaction.
登录
查看更多内容
影响因子：
10.6
作者：
Sled, JG;Zijdenbos, AP;Evans, AC
通讯作者：
Evans, AC
影响因子：
10.6
作者：
Grau, V;Mewes, AUJ;Warfield, SK
通讯作者：
Warfield, SK
影响因子：
8
作者：
Peterson, BS;Anderson, AW;Ment, LR
通讯作者：
Ment, LR
影响因子：
11.2
作者：
Hüppi, PS;Warfield, S;Volpe, JJ
通讯作者：
Volpe, JJ
影响因子：
3.6
作者：
Anbeek, Petronella;Vincken, Koen L.;Van der Grond, Jeroen
通讯作者：
Van der Grond, Jeroen