Human brain magnetic resonance-image segmentation and its evaluation

A segmentação de tecidos cerebrais se tornou fundamental para a neurologia no tratamento e diagnose de pacientes. Muitas contribuições tem aprimorado as metodologias de segmentaçao mas, ainda ha muito a ser feito. De fato, ruídos provenientes da aquisiçao da imagem, a enorme quantidade de dados, variações anatômicas decorrentes de doenças, diferença de idade e sexo, alem de incisoes cirúrgicas sao alguns dos desafios enfrentados. Alem disso, e muito difícil gerar padroes ouro dos tecidos cerebrais contidos nas imagens de ressonancia magnetica e tambem escolher metricas apropriadas para avaliar uma determinada metodologia de segmentaçao de tecidos. Neste contexto, apresentamos uma revisao das operações de pre-processamento mais populares da literatura, bem como das diversas metodologias propostas para a segmentaçao de tecidos. Tambem apresentamos uma metodologia inovadora para a se gmentaçao dos tecidos de substancia branca, substancia cinzenta e líquido cerebro espinhal baseada no algoritmo de agrupamento de dados por floresta de caminhos otimos, com as seguintes características desejaveis: baixo tempo de processamento, robustez, alta acuracia, ajuste intuitivo de parametros, adaptabilidade a imagens de diferentes protocolos e a variaçoes anatomicas, e efetividade ao corrigir o efeito de heterogeneidade de campo magnetico. Avaliamos a metodologia quantitativamente e qualitativamente, comparando-a com dois metodos populares da literatura sobre cinco bases de dados de modalidades e anatomias diferentes. A avaliaçao quantitativa leva em conta o intervalo de operaçao das metodologias, e a avaliaçao qualitativa leva em conta o ponto de vista de especialistas com respeito a acuracia das segmentaçoes. Assim, acreditamos que a metodologia de segmentaçao de tecidos cerebrais agrega importantes contribuições ao estado da arte. Ja a metodologia de avaliaçao proposta evidencia a importancia da escolha de metricas apropriadas na analise de imagens medicasSegmentation of brain tissues from MR-images has become crucial to advance research, diagnosis and treatment in Neurology. Despite the large number of contributions, brain tissue segmentation is still a challenge, due to problems in image acquisition, large data sets, and anatomical variations caused by surgery, pathologies and differences in sex and age. Another difficulty is to create reliable ground truths for evaluation, which also requires suitable metrics. In this work, we review the most important pre-processing operations, as well as the most popular brain tissues segmentation methods. We also propose a new approach based on optimum-path forest clustering, which improves previous works on various aspects: speed, robustness, accuracy, intuitive tuning of parameters and adaptability to different imaging modalities and anatomies. The effectiveness of the approach can be noticed in both inhomogeneity correction and in white matter, gray matter and cerebral-spinal fluid segmentation. The method is evaluated quantitatively and qualitatively by taking into account two other popular methods, five datasets from diferent modalities, an operational range of parameters for each method and scores from distinct specialists. The results reveal a signiicant contribution to the state-of-the-art and emphasize the importance of suitable evaluation metrics in medical image analysi