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

Die vorliegende Arbeit beschaftigt sich mit der automatischen Segmentierung von ischamischen Schlaganfall-Lasionen in Magnetresonanztomographie (MR) Bildern. Eine geeignete Methode muss inhomogene Regionen verschiedener Grosen 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 gewahlt sind, dass sie menschliche Entscheidungskriterien modellieren. Ein Random Decision Forest Klassifizierer wird mit Expertensegmentierungen trainiert und dann auf unbekannte Datensatze angewendet. Der Ansatz wird an acht Fallen mittels Leave-One-Out-Kreuzvalidierungsverfahren evaluiert und die relative Eignung jedes Merkmales und jeder MR-Sequenz untersucht. Ein Vergleich zeigt hohere Dice-Koeffizienten als andere Methoden aus der Literatur.