No abstract

Purpose Development and performance measurement of a fully automated pipeline that localizes and segments the locus coeruleus in so-called neuromelanin-sensitive magnetic resonance imaging data for the derivation of quantitative biomarkers of neurodegenerative diseases such as Alzheimer’s disease and Parkinson’s disease. Methods We propose a pipeline composed of several 3D-Unet-based convolutional neural networks for iterative multi-scale localization and multi-rater segmentation and non-deep learning-based components for automated biomarker extraction. We trained on the healthy aging cohort and did not carry out any adaption or fine-tuning prior to the application to Parkinson’s disease subjects. Results The localization and segmentation pipeline demonstrated sufficient performance as measured by Euclidean distance (on average around 1.3mm on healthy aging subjects and 2.2mm in Parkinson’s disease subjects) and Dice similarity coefficient (overall around $$71\%$$ 71 % on healthy aging subjects and $$60\%$$ 60 % for subjects with Parkinson’s disease) as well as promising agreement with respect to contrast ratios in terms of intraclass correlation coefficient of $$\ge 0.80$$ ≥ 0.80 for healthy aging subjects compared to a manual segmentation procedure. Lower values ($$\ge 0.48$$ ≥ 0.48 ) for Parkinson’s disease subjects indicate the need for further investigation and tests before the application to clinical samples. Conclusion These promising results suggest the usability of the proposed algorithm for data of healthy aging subjects and pave the way for further investigations using this approach on different clinical datasets to validate its practical usability more conclusively.

No abstract

ZusammenfassungDa vermehrt mehrere Sensorsysteme oder auch Multisensor-Systeme zur Charakterisierung von Oberflächen eingesetzt werden, kann durch eine geeignete Kombination der erhaltenen Ergebnisse ein holistisches Ergebnis erzielt werden. Die Grundlage dafür bildet eine passende Registrierung der unterschiedlichen Messungen der Oberflächentopografie. Dieser Beitrag beschreibt ein mögliches Verfahren für die Registrierung von multimodalen Sensordaten. Dabei wird für diesen Anwendungsfall zuerst eine Konturenextraktion zur Merkmalsgewinnung für eine grobe Registrierung eingesetzt, welche mit einem flächenbasierten Verfahren auf Basis der Transinformation zur feinen Registrierung ergänzt wird. Die Kombination kann die Zuverlässigkeit der Registrierung erhöhen, da die einzelnen Verfahren für sich alleine in manchen Fällen keine aussagekräftigen Ergebnisse liefern.

No abstract