ldtЛучевая диагностика и терапияDiagnostic radiology and radiotherapy2079-5343Baltic Medical Education Centerldt-34Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL RESEARCHАВТОМАТИЧЕСКАЯ СЕГМЕНТАЦИЯ ОЧАГОВ В БЕЛОМ ВЕЩЕСТВЕ ГОЛОВНОГО МОЗГАORIGINAL ARTICLES AUTOMATIC WHITE MATTER BRAIN LESIONS SEGMENTATIONМагоновЕвгенийMagonovE. P.emagonov@gmail.comКатаеваГ. В.KataevaG. V.noemail@neicon.ruТрофимоваТ. Н.TrofimovaT. N.noemail@neicon.ruИнститут мозга человека им. Н. П. Бехтеревой Российской академии наук; Российско-финская клиника «Скандинавия»РоссияN. P Bechtereva Institute of the Human Brain of the Russian Academy of Sciences; Russian-Finnish clinic «Scandinavia»Russian FederationИнститут мозга человека им. Н. П. Бехтеревой Российской академии наукРоссияN. P Bechtereva Institute of the Human Brain of the Russian Academy of SciencesRussian FederationРоссийско-финская клиника «Скандинавия»РоссияRussian-Finnish clinic «Scandinavia»Russian Federation201430092014033742Copyright © Магонов Е.P., Катаева Г.В., Трофимова Т.Н., 20142014Магонов Е., Катаева Г.В., Трофимова Т.Н.Magonov E.P., Kataeva G.V., Trofimova T.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://radiag.bmoc-spb.ru/jour/article/view/34

Количественная характеристика очагового поражения головного мозга может быть не только диагностическим критерием, но и параметром, позволяющим оценивать динамику развития различных заболеваний центральной нервной системы. Мануальная сегментация является наиболее точным методом измерения общего объема очагов, однако этот метод является время- и трудозатратным. Существуют различные методы автоматической сегментации очагов, которые различаются как используемыми алгоритмами, так и точностью получаемых результатов. В данной работе сравнивается два принципиально разных подхода к автоматической сегментации очагов на основе МРТ-изображений и оценивается возможность использования их в качестве альтернативы мануальному методу.

Quantitative characterization of brain lesions may not be only a diagnostic criteria, but also the parameter for dynamic evaluation of various CNS diseases progression. Manual segmentation is the most accurate method of measuring lesions volume, but this method is time- and labor-intensive. There are different methods of automatic lesions segmentation that use different algorithms and have varied accuracy of the results. In this paper we compare two fundamentally different approaches to the automatic lesions segmentation basis on the MRI images and evaluate the possibility of using these methods as an alternative to manual segmentation.

очаговое поражениеМРТсегментацияпостпроцессинговая обработкаbrain lesionsMRIsegmentationpostprocessingReferencesOrmerod I. E. C. The role of NMR imaging in the assessment of multiple sclerosis and isolated neurological lesions / I. E. C. Ormerod, D. H. Miller, W. I. McDonald, E. P. G. H. DU Boulay, P. Rudge, B. E. Kendall, I. F. Moseley, G. Johnson, P. S. Tofts, A. M. Halliday, A. M. Bronstein, F. Scaravilli, A. E. Harding, D. Barnes, K. J. Zilkha // Brain.- 1987.- Vol. 6, № 110.- С. 1579-1616Ormerod I. E. C. The role of NMR imaging in the assessment of multiple sclerosis and isolated neurological lesions / I. E. C. Ormerod, D. H. Miller, W. I. McDonald, E. P. G. H. DU Boulay, P. Rudge, B. E. Kendall, I. F. Moseley, G. Johnson, P. S. Tofts, A. M. Halliday, A. M. Bronstein, F. Scaravilli, A. E. Harding, D. Barnes, K. J. Zilkha // Brain.- 1987.- Vol. 6, № 110.- С. 1579-1616Bakshi R. Predicting clinical progression in multiple sclerosis with the magnetic resonance disease severity scale / R. Bakshi, M. Neema, B. C. Healy, Z. Liptak, R. A. Betensky, G. J. Buckle, S. A.Gauthier, J. Stankiewicz, D. Meier, S. Egorova, A. Arora, Z. D. Guss, B. Glanz, S. J. Khoury, C. R. Guttmann, H. L. Weiner // Archives of neurology.- 2008.- Vol. 11, № 65.- С. 1449-1453Bakshi R. Predicting clinical progression in multiple sclerosis with the magnetic resonance disease severity scale / R. Bakshi, M. Neema, B. C. Healy, Z. Liptak, R. A. Betensky, G. J. Buckle, S. A.Gauthier, J. Stankiewicz, D. Meier, S. Egorova, A. Arora, Z. D. Guss, B. Glanz, S. J. Khoury, C. R. Guttmann, H. L. Weiner // Archives of neurology.- 2008.- Vol. 11, № 65.- С. 1449-1453De Groot J. C. Periventricular cerebral white matter lesions predict rate of cognitive decline / J. C. De Groot, F. E. De Leeuw, M. Oudkerk, J. Van Gijn, A. Hofman, J. Jolles, M. M. Breteler // Annals of Neurology.- 2002.- С. 335-341De Groot J. C. Periventricular cerebral white matter lesions predict rate of cognitive decline / J. C. De Groot, F. E. De Leeuw, M. Oudkerk, J. Van Gijn, A. Hofman, J. Jolles, M. M. Breteler // Annals of Neurology.- 2002.- С. 335-341Vermeer S. E. Silent brain infarcts and white matter lesions increase stroke risk in the general population: the Rotterdam Scan Study / S. E. Vermeer, M. Hollander, E. J. van Dijk, A. Hofmann, P J. Koudstaal, M. M. Breteler // 2003.- Vol. 5, № 34.- С. 1126-1129Vermeer S. E. Silent brain infarcts and white matter lesions increase stroke risk in the general population: the Rotterdam Scan Study / S. E. Vermeer, M. Hollander, E. J. van Dijk, A. Hofmann, P J. Koudstaal, M. M. Breteler // 2003.- Vol. 5, № 34.- С. 1126-1129De Boer R. White matter lesion extension to automatic brain tissue segmentation on MRI / R. de Boer, H. A. Vrooman, F. van der Lijn, M. W Vernooij, M. A. Ikram, A. van der Lugt, M. M. Breteler, W J. Niessen // Neuroimage.- 2009.- Vol. 4, № 45.- С. 1151-1161De Boer R. White matter lesion extension to automatic brain tissue segmentation on MRI / R. de Boer, H. A. Vrooman, F. van der Lijn, M. W Vernooij, M. A. Ikram, A. van der Lugt, M. M. Breteler, W J. Niessen // Neuroimage.- 2009.- Vol. 4, № 45.- С. 1151-1161Alfano B. Automated segmentation and measurement of global white matter lesion volume in patients with multiple sclerosis / B. Alfano, A. Brunetti, M. Larobina, M. Quarantelli, E. Tedeschi, A. Ciarmiello, E. M. Covelli, M. Salvatore // 2000.- Vol. 6, № 12.- С. 799-807.Alfano B. Automated segmentation and measurement of global white matter lesion volume in patients with multiple sclerosis / B. Alfano, A. Brunetti, M. Larobina, M. Quarantelli, E. Tedeschi, A. Ciarmiello, E. M. Covelli, M. Salvatore // 2000.- Vol. 6, № 12.- С. 799-807.Магонов Е. П. Автоматическая сегментация МРТ-изображений головного мозга: методы и программное обеспечение / Е. П. Магонов, Т. Н. Трофимова // Лучевая диагностика и терапия.- 2012.- № 3 (2).- С. 35-40.Магонов Е. П. Автоматическая сегментация МРТ-изображений головного мозга: методы и программное обеспечение / Е. П. Магонов, Т. Н. Трофимова // Лучевая диагностика и терапия.- 2012.- № 3 (2).- С. 35-40.Lao Z. Q. Computer-assisted segmentation of white matter lesions in 3D MR images, using support vector machine / Z. Q. Lao, D. G. Shen, D. F. Liu, A. F. Jawad, E. R. Melhem, L. J. Launer, R. N. Bryan, C. Davatzikos // Academic Radiology.- 2008.- Vol. 3, № 15.- С. 300-313.Lao Z. Q. Computer-assisted segmentation of white matter lesions in 3D MR images, using support vector machine / Z. Q. Lao, D. G. Shen, D. F. Liu, A. F. Jawad, E. R. Melhem, L. J. Launer, R. N. Bryan, C. Davatzikos // Academic Radiology.- 2008.- Vol. 3, № 15.- С. 300-313.

The authors declare that there are no conflicts of interest present.