Segmentierung von ischämischen Schlaganfall-Läsionen in multispektralen MR-Bildern mit Random Decision Forests

Die vorliegende Arbeit beschäftigt sich mit der automatischen Segmentierung von ischämischen Schlaganfall-Läsionen in Magnetresonanztomographie (MR) Bildern. Eine geeignete Methode muss inhomogene Regionen verschiedener Größen und Formen im Gehirn lokalisieren. Wir stellen einen neuen Segmentierungsansatz vor, der auf lokalen Merkmalen basiert, welche aus multispektralen MR Daten extrahiert werden und so gewählt sind, dass sie menschliche Entscheidungskriterien modellieren. Ein Random Decision Forest Klassifizierer wird mit Expertensegmentierungen trainiert und dann auf unbekannte Datensätze angewendet. Der Ansatz wird an acht Fällen mittels Leave-One-Out-Kreuzvalidierungsverfahren evaluiert und die relative Eignung jedes Merkmales und jeder MR-Sequenz untersucht. Ein Vergleich zeigt höhere Dice-Koeffizienten als andere Methoden aus der Literatur.