Automated Tissue Classification in MRI Brain Images With the Use of Deformable Registration

SCHWARZ, Daniel and Tomáš KAŠPÁREK. Automated Tissue Classification in MRI Brain Images With the Use of Deformable Registration. M. Domanski, R. Stasinski, M. Bartkowiak (Eds.). In Proceedings of 15th European Signal Processing Conference EUSIPCO 2007. Poznan, Poland: PTETiS, 2007, p. 1127-1130. ISBN 978-83-921340-2-2.

Basic information

• Original name: Automated Tissue Classification in MRI Brain Images With the Use of Deformable Registration
• Name in Czech: Automatická klasifikace tkání v MRI obrazech mozku s využitím pružné registrace
• Authors: SCHWARZ, Daniel and Tomáš KAŠPÁREK.; M. Domanski, R. Stasinski, M. Bartkowiak (Eds.).
• Edition: Poznan, Poland, Proceedings of 15th European Signal Processing Conference EUSIPCO 2007, p. 1127-1130, 4 pp. 2007.
• Publisher: PTETiS

Other information

• Original language: English
• Type of outcome: Proceedings paper
• Field of Study: 20200 2.2 Electrical engineering, Electronic engineering, Information engineering
• Country of publisher: Poland
• Confidentiality degree: is not subject to a state or trade secret
• Organization unit: Faculty of Medicine
• ISBN: 978-83-921340-2-2
• Keywords in English: MRI;registration;classification;segmentation
• Tags: CLASSIFICATION, MRI, registration, segmentation
• Tags: International impact, Reviewed

Abstract

Methods of tissue classification in MRI brain images play a significant role in computational neuroanatomy, particularly in automated ROI-based volumetry. A well-known and very simple k-NN classifier is used here without the need for user input during the learning process. The classifier is trained with the use of tissue probabilistic maps which are available in selected digital atlases of brain. The influence of misalignement between images and the tissue probabilistic maps on the classifier's efficiency is studied in this paper. Deformable registration is used here to align the images and maps. The classifier's efficiency is tested in an experiment with data obtained from standard Simulated Brain Database.

Abstract (in Czech)

Metody klasifikace tkání hrají důležitou roli ve výpočetní neuroanatomii, zvláště pak automatické volumetrii na základě oblastí zájmu. Dobře známý a velmi jednoduchý klasifikátro k-NN je zde použit bez nutnosti uživatelského vstupu ve fázi trénování. Klasifikátor je natrénován s využitím tkáňových pravděpodobnostních map. Studován je vliv rozlícování mezi obrazy a mapami a dále vliv vyřazování vzdálených vzorů na efektivitu klasifikátoru. Pro slícování je využita pružná registrace. Efektivita je vyhodnocena na simulových datech ze Simulated Brain Database.

Links

• GP102/07/P263, research and development project: Name: Nelineární multimodální registrace pro automatickou morfometrii obrazů mozku z MRI založenou na anatomicky omezených prostorových deformacích

Investor: Czech Science Foundation, Nonlinear multimodal registration for automatic morphometry of MRI brain images based on anatomically constrained spatial deformations

• MSM0021622404, plan (intention): Name: Vnitřní organizace a neurobiologické mechanismy funkčních systémů CNS

Investor: Ministry of Education, Youth and Sports of the CR, The internal organisation and neurobiological mechanisms of functional CNS systems under normal and pathological conditions.