Key points are not available for this paper at this time.
Die Segmentierung von MRT-Bildern makroskopisch undefinierter und hochvariabler Strukturen, wie dem Hippocampus (Hc) und der Amygdala (Am), erfordert die Verwendung spezifischer Einschränkungen. Hier beschreiben und bewerten wir eine schnelle, vollständig automatische hybride Segmentierung, die Wissen aus probabilistischen Atlanten und anatomischen Landmarken verwendet, abgeleitet von einer semi-automatischen Methode. Der Algorithmus wurde von Anfang an für die Anwendung auf Bilder von gesunden Personen und Patienten mit Hippocampus-Sklerose konzipiert. Probabilistische Atlanten wurden aus 16 gesunden Personen erstellt und mit SPM5 registriert. Lokale Abweichungen im Registrierungsprozess des Atlanten wurden automatisch erkannt und korrigiert. Eine quantitative Bewertung im Vergleich zu manuellen Segmentierungen wurde an den 16 jungen Probanden mit einer Leave-One-Out-Strategie durchgeführt sowie an einer gemischten Kohorte von 8 Kontrollen und 15 Patienten mit Epilepsie mit unterschiedlichen Graden von Hippocampus-Sklerose und 8 gesunden Probanden, die an einem 3 T Scanner erfasst wurden. Sieben Leistungsindizes wurden berechnet, darunter der Fehler bei den Volumina RV und der Dice-Überlappung K. Die Methode erwies sich als schnell, robust und genau. Für Hc lagen die Ergebnisse mit der neuen Methode bei: 16 junge Probanden RV=5%, K=87%; gemischte Kohorte RV=8%, K=84%; 3 T Kohorte RV=9%, K=85%. Die Ergebnisse waren besser als bei atlasbasierten (schwellenwertbasierten Wahrscheinlichkeitskarten) oder semi-automatischen Segmentierungen. Die Erkennung und Korrektur von AtlasmusMismatch erwies sich als effizient für den am stärksten sklerotischen Hc. Für Am lagen die Ergebnisse bei: 16 junge Kontrollen RV=7%, K=85%; gemischte Kohorte RV=19%, K=78%; 3 T Kohorte RV=10%, K=77%. Die Ergebnisse waren besser als bei der semi-automatischen Segmentierung und außerdem besser als bei atlasbasierten Segmentierungen für die 16 jungen Probanden.
Chupin et al. (Sun) haben diese Frage untersucht.