A robust Expectation-Maximization algorithm for Multiple Sclerosis lesion segmentation

Daniel García-Lorenzo 1, * Sylvain Prima 1 Sean Patrick Morrissey 1, 2 Christian Barillot 1
* Auteur correspondant
1 VisAGeS - Vision, Action et Gestion d'informations en Santé
INSERM - Institut National de la Santé et de la Recherche Médicale : U746, Inria Rennes – Bretagne Atlantique , IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
2 Service de neurologie [Rennes]
Abstract : A fully automatic workflow for Multiple Sclerosis (MS) lesion segmentation is described. Fully automatic means that no user interaction is performed in any of the steps and that all parameters are fixed for all the images processed in beforehand. Our workflow is composed of three steps: an intensity inhomogeneity (IIH) correction, skull-stripping and MS lesions segmentation. A validation comparing our results with two experts is done on MS MRI datasets of 24 MS patients from two different sites.
Type de document :
Communication dans un congrès
MICCAI Workshop: 3D Segmentation in the Clinic: A Grand Challenge II, MS lesion segmentation, Sep 2008, New York, United States. pp.277, 2008
Liste complète des métadonnées

Littérature citée [17 références]  Voir  Masquer  Télécharger
https://www.hal.inserm.fr/inserm-00421713
Contributeur : Daniel García-Lorenzo <>
Soumis le : vendredi 2 octobre 2009 - 16:23:19
Dernière modification le : vendredi 15 février 2019 - 01:29:12
Document(s) archivé(s) le : mardi 16 octobre 2012 - 11:41:27

Fichier

08-wMiccai-challenge.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inserm-00421713, version 1

Collections

INRIA | IRISA | UNIV-RENNES1 | IRISA-D5 | INSTITUT-TELECOM | UR1-UFR-ISTIC | UNIV-RENNES

Citation

Daniel García-Lorenzo, Sylvain Prima, Sean Patrick Morrissey, Christian Barillot. A robust Expectation-Maximization algorithm for Multiple Sclerosis lesion segmentation. MICCAI Workshop: 3D Segmentation in the Clinic: A Grand Challenge II, MS lesion segmentation, Sep 2008, New York, United States. pp.277, 2008. 〈inserm-00421713〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

591

Téléchargements de fichiers

385

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD