Tyck till om SwePub Sök här!
WFRF:(Kalpouzos Grégoria)
Sökning: WFRF:(Kalpouzos Grégoria) > Forskningsöversikt > Backman Lars > Automated segmentat...
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Automated segmentation of midbrain structures with high iron content
-
- Garzon, Benjamin (författare)
- Karolinska Institutet,Stockholms universitet,Centrum för forskning om äldre och åldrande (ARC), (tills m KI)
-
- Sitnikov, Rouslan (författare)
- Karolinska Institutet
-
- Backman, Lars (författare)
- Karolinska Institutet,Stockholms universitet,Centrum för forskning om äldre och åldrande (ARC), (tills m KI)
- visa fler...
- visa färre...
- (creator_code:org_t)
- Elsevier BV, 2018
- 2018
- Engelska.
- Ingår i: NeuroImage. - : Elsevier BV. - 1053-8119 .- 1095-9572. ; 170, s. 199-209
- Forskningsöversikt (refereegranskat)
Abstract
Ämnesord
Stäng
- The substantia nigra (SN), the subthalamic nucleus (STN), and the red nucleus (RN) are midbrain structures of ample interest in many neuroimaging studies, which may benefit from the availability of automated segmentation methods. The high iron content of these structures awards them high contrast in quantitative susceptibility mapping (QSM) images. We present a novel segmentation method that leverages the information of these images to produce automated segmentations of the SN, STN, and RN. The algorithm builds a map of spatial priors for the structures by non-linearly registering a set of manually-traced training labels to the midbrain. The priors are used to inform a Gaussian mixture model of the image intensities, with smoothness constraints imposed to ensure anatomical plausibility. The method was validated on manual segmentations from a sample of 40 healthy younger and older subjects. Average Dice scores were 0.81 (0.05) for the SN, 0.66 (0.14) for the STN and 0.88 (0.04) for the RN in the left hemisphere, and similar values were obtained for the right hemisphere. In all structures, volumes of manual and automatically obtained segmentations were significantly correlated. The algorithm showed lower accuracy on R-2* and T-2-weighted Fluid Attenuated Inversion Recovery (FLAIR) images, which are also sensitive to iron content. To illustrate an application of the method, we show that the automated segmentations were comparable to the manual ones regarding detection of age-related differences to putative iron content.
Ämnesord
- MEDICIN OCH HÄLSOVETENSKAP -- Medicinska och farmaceutiska grundvetenskaper (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Basic Medicine (hsv//eng)
- MEDICIN OCH HÄLSOVETENSKAP -- Klinisk medicin (hsv//swe)
- MEDICAL AND HEALTH SCIENCES -- Clinical Medicine (hsv//eng)
- TEKNIK OCH TEKNOLOGIER -- Medicinteknik (hsv//swe)
- ENGINEERING AND TECHNOLOGY -- Medical Engineering (hsv//eng)
Nyckelord
- Brain iron
- Quantitative susceptibility mapping
- R2*
- Relaxometry
- FLAIR
- Segmentation
Publikations- och innehållstyp
- ref (ämneskategori)
- for (ämneskategori)
- 1 av 1
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Garzon, Benjamin
- Sitnikov, Rousla ...
- Backman, Lars
- Kalpouzos, Grego ...
- Om ämnet
-
- MEDICIN OCH HÄLSOVETENSKAP
- MEDICIN OCH HÄLS ...
- och Medicinska och f ...
-
- MEDICIN OCH HÄLSOVETENSKAP
- MEDICIN OCH HÄLS ...
- och Klinisk medicin
-
- TEKNIK OCH TEKNOLOGIER
- TEKNIK OCH TEKNO ...
- och Medicinteknik
- Artiklar i publikationen
- NeuroImage
- Av lärosätet
- Stockholms universitet
- Karolinska Institutet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
