Fast and uncertainty-aware cerebral cortex morphometry estimation using random forest regression
Lade...
Autor:in (Körperschaft)
Publikationsdatum
2018
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018)
Themenheft
DOI der Originalpublikation
Link
Zugehörige Forschungsdaten
Reihe / Serie
Reihennummer
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
1052-1055
Patentnummer
Verlag / Herausgebende Institution
IEEE
Verlagsort / Veranstaltungsort
Washington, DC
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
The cortical thickness and curvature of the human brain have proven to be valuable markers to detect and monitor neurodegenerative diseases [1]. Since the computational burden of currently available tools for brain morphometry is very high, this analysis often is only used for retrospective studies and not routinely in the clinics. A first attempt at a clinical use of cortical morphology is reported in [2]. We present an experiment for fast morphometry estimations using Random Forest (RF) regression [3] directly from MR imaging data. An uncertainty-aware voxel-wise, parcellation-wise, and multioutput model was built to estimate the thickness and mean curvature of the human cerebral cortex in 15 minutes instead of many hours for mesh-based tools. Preliminary results on a healthy controls database with 315 subjects show a substantial bias for the voxel-wise prediction, but high scan-rescan robustness, the proposed multi-output-parcellation prediction demonstrates the feasibility of the approach.
Schlagwörter
Fachgebiet (DDC)
Veranstaltung
IEEE International Symposium on Biomedical Imaging
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
Enddatum der Konferenz
Datum der letzten Prüfung
ISBN
978-1-5386-3636-7
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Nein
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
publication.page.reviewtype.Peer-Reviewed
Open Access-Status
Closed
Lizenz
Zitation
Suter, Y., Rummel, C., Wiest, R., & Reyes, M. (2018). Fast and uncertainty-aware cerebral cortex morphometry estimation using random forest regression. 2018 IEEE 15th International Symposium on Biomedical Imaging (ISBI 2018), 1052–1055. https://doi.org/10.1109/ISBI.2018.8363752