Médecine

Paramédical

Autres domaines


S'abonner

Brain volumes quantification from MRI in healthy controls: Assessing correlation, agreement and robustness of a convolutional neural network-based software against FreeSurfer, CAT12 and FSL - 04/05/21

Doi : 10.1016/j.neurad.2020.10.001 
Hernán Chaves a, b, , Francisco Dorr b, Martín Elías Costa b, María Mercedes Serra a, b, Diego Fernández Slezak b, c, d, Mauricio F. Farez b, e, f, g, Gustavo Sevlever e, Paulina Yañez a, Claudia Cejas a
a Diagnostic Imaging Department, Fleni, Buenos Aires, Argentina 
b Entelai, Buenos Aires, Argentina 
c Departamento de Computación, Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Buenos Aires, Argentina 
d Instituto en Ciencias de la Computación (ICC), CONICET-Universidad de Buenos Aires, Buenos Aires, Argentina 
e Neurology Department, Fleni, Buenos Aires, Argentina 
f Center for Research on Neuroimmunological Diseases (CIEN), Fleni, Buenos Aires, Argentina 
g Center for Biostatistics, Epidemiology and Public Health (CEBES), Fleni, Buenos Aires, Argentina 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 10
Iconographies 9
Vidéos 0
Autres 0

Graphical abstract




Le texte complet de cet article est disponible en PDF.

Highlights

Evaluated a novel CNN-based model (Entelai Pic) for brain volume estimation.
Entelai Pic had excellent correlation and agreement with FreeSurfer.
Entelai Pic provided robust segmentations of brain volumes.
Post-processing time is 480 min for FreeSurfer and 5 min for Entelai Pic.
This novel CNN-based model is suitable for brain volumetry on clinical practice.

Le texte complet de cet article est disponible en PDF.

Abstract

Background and purpose

There are instances in which an estimate of the brain volume should be obtained from MRI in clinical practice. Our objective is to calculate cross-sectional robustness of a convolutional neural network (CNN) based software (Entelai Pic) for brain volume estimation and compare it to traditional software such as FreeSurfer, CAT12 and FSL in healthy controls (HC).

Materials and Methods

Sixteen HC were scanned four times, two different days on two different MRI scanners (1.5 T and 3 T). Volumetric T1-weighted images were acquired and post-processed with FreeSurfer v6.0.0, Entelai Pic v2, CAT12 v12.5 and FSL v5.0.9. Whole-brain, grey matter (GM), white matter (WM) and cerebrospinal fluid (CSF) volumes were calculated. Correlation and agreement between methods was assessed using intraclass correlation coefficient (ICC) and Bland Altman plots. Robustness was assessed using the coefficient of variation (CV).

Results

Whole-brain volume estimation had better correlation between FreeSurfer and Entelai Pic (ICC (95% CI) 0.96 (0.94−0.97)) than FreeSurfer and CAT12 (0.92 (0.88−0.96)) and FSL (0.87 (0.79−0.91)). WM, GM and CSF showed a similar trend. Compared to FreeSurfer, Entelai Pic provided similarly robust segmentations of brain volumes both on same-scanner (mean CV 1.07, range 0.20–3.13% vs. mean CV 1.05, range 0.21–3.20%, p = 0.86) and on different-scanner variables (mean CV 3.84, range 2.49–5.91% vs. mean CV 3.84, range 2.62–5.13%, p = 0.96). Mean post-processing times were 480, 5, 40 and 5 min for FreeSurfer, Entelai Pic, CAT12 and FSL respectively.

Conclusion

Based on robustness and processing times, our CNN-based model is suitable for cross-sectional volumetry on clinical practice.

Le texte complet de cet article est disponible en PDF.

Abbreviations : ANTs, BET, CAT, CNN, CSF, CV, DC, DDDS, DDSS, FAST, FSL, GM, HC, ICC, MRI, SDDS, SDSS, SPM, WM

Keywords : Magnetic resonance imaging, Brain, Deep learning, Segmentation, Freesurfer.


Plan


© 2020  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 48 - N° 3

P. 147-156 - mai 2021 Retour au numéro
Article précédent Article précédent
  • Cerebral vasculitis of medium-sized vessels as a possible mechanism of brain damage in COVID-19 patients
  • François Lersy, Mathieu Anheim, Thibault Willaume, Agathe Chammas, Jean-Christophe Brisset, François Cotton, Stéphane Kremer
| Article suivant Article suivant
  • Precise discrimination between meningiomas and schwannomas using time-to-signal intensity curves and percentage signal recoveries obtained from dynamic susceptibility perfusion imaging
  • Hakan Cebeci, Abidin Kilincer, Halil ?brahim Duran, Nusret Seher, Mert ?ahino?lu, Hakan Karaba?l?, P?nar Karaba?l?, Yahya Paksoy

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.