Automatická segmentace lézí u roztroušené sklerózy ve snímcích magnetické rezonance

Abstract

Při onemocnění roztroušenou sklerózou se dominantní zobrazovací metodou stalo zobrazení pomocí magnetické rezonance (MRI). Onemocnění se ve snímcích MRI projevuje změnou intenzit. Tyto oblasti zánětu o odlišné intenzitě ve snímcích MRI nazýváme léze. Odhalení těchto lézí je důležité pro včasné nastolení, či změnu léčby. Automatická detekce lézí ve snímcích se stává nezbytnou součástí procesu diagnózy a sledování průběhu onemocnění. V této práci porovnáváme 3 metody segmentace s ostatními publikovanými metodami. Zmíněnými metodami jsou lesion growth algoritm (LGA), algoritmus založený na hranách a moderní přístup konvoluční sítě architektury U-net.

In diagnosis and monitoring of patients suffering from multiple sclerosis (MS) is the main role played by magnetic resonance imaging (MRI). For MS patients is typical to have lesions in the central nervous system (CNS). MRI is the best imaging modality to detect these lesions. The volume and placement of these lesions can predict the evolution of diseases. Starting or changing treatment is crucial for the future physical state of patients. This work implements 3 methods of lesion segmentation. These methods will be compared with state-of-the-art methods. Three selected methods are lesion growth algorithm, edge-based segmentation method and convolutional neural network with U-net architecture.