LoAd: a locally adaptive cortical segmentation algorithm.
LoAd: a locally adaptive cortical segmentation algorithm.
复制标题
DOI：
10.1016/j.neuroimage.2011.02.013
复制
发表时间：
2011-06-01
期刊：
影响因子：
5.7
通讯作者：
Ourselin, Sebastien
中科院分区：
文献类型：
--
作者：
Cardoso, M. Jorge;Clarkson, Matthew J.;Ridgway, Gerard R.;Modat, Marc;Fox, Nick C.;Ourselin, Sebastien
关键词：
大脑皮层的厚度测量可以帮助诊断，并提供有关阿尔茨海默氏症、亨廷顿舞蹈症和精神分裂症等疾病的时间演变的宝贵信息。从体内磁共振 (MR) 图像测量大脑皮层厚度的方法依赖于 MR 数据的精确分割。然而，由于噪声、强度不均匀性、部分体积效应、MRI 分辨率有限以及皮质褶皱高度复杂的形状，以稳健且准确的方式分割皮质仍然面临挑战。从具有解剖组织先验的完善的概率分割模型开始，我们提出了三种后处理改进：对先验信息进行新颖的修改以减少分割偏差；引入显式部分体积类；以及用于增强脑沟和脑回的局部变化的基于 MRF 的模型。在新的数字模型、BrainWeb 数据和阿尔茨海默病神经影像计划 (ADNI) 的数据上进行的实验显示，与三种成熟的技术相比，Dice 评分和 PV 估计 (p<10−3) 在统计上有显着改善，并且厚度估计准确性也有所提高。
Thickness measurements of the cerebral cortex can aid diagnosis and provide valuable information about the temporal evolution of diseases such as Alzheimer's, Huntington's, and schizophrenia. Methods that measure the thickness of the cerebral cortex from in-vivo magnetic resonance (MR) images rely on an accurate segmentation of the MR data. However, segmenting the cortex in a robust and accurate way still poses a challenge due to the presence of noise, intensity non-uniformity, partial volume effects, the limited resolution of MRI and the highly convoluted shape of the cortical folds. Beginning with a well-established probabilistic segmentation model with anatomical tissue priors, we propose three post-processing refinements: a novel modification of the prior information to reduce segmentation bias; introduction of explicit partial volume classes; and a locally varying MRF-based model for enhancement of sulci and gyri. Experiments performed on a new digital phantom, on BrainWeb data and on data from the Alzheimer's Disease Neuroimaging Initiative (ADNI) show statistically significant improvements in Dice scores and PV estimation (p<10−3) and also increased thickness estimation accuracy when compared to three well established techniques.
登录
查看更多内容
DOI：
10.1093/brain/awp123
发表时间：
2009-08
期刊：
Brain : a journal of neurology
影响因子：
--
作者：
Desikan RS;Cabral HJ;Hess CP;Dillon WP;Glastonbury CM;Weiner MW;Schmansky NJ;Greve DN;Salat DH;Buckner RL;Fischl B;Alzheimer's Disease Neuroimaging Initiative
通讯作者：
Alzheimer's Disease Neuroimaging Initiative
影响因子：
5.7
作者：
Kim, JS;Singh, V;Evans, AC
通讯作者：
Evans, AC
影响因子：
4.8
作者：
Klauschen, Frederick;Goldman, Aaron;Lundervold, Arvid
通讯作者：
Lundervold, Arvid
影响因子：
14.5
作者：
Du, An-Tao;Schuff, Norbert;Weiner, Michael W.
通讯作者：
Weiner, Michael W.
影响因子：
3.7
作者：
Lerch, JP;Pruessner, JC;Evans, AC
通讯作者：
Evans, AC