Search

Background. The brain perfusion ROI detection being a preliminary step, designed to exclude non-brain tissues from analyzed DSC perfusion MR images. Its accuracy is considered as the key factor for delivering correct results of perfusion data analysis. Despite the large variety of algorithms developed on brain tissues segmentation, there is no one that works reliably and robustly on T2-weighted MR images of a human head with abnormal brain anatomy. Therefore, thresholding method is still the state-of-the-art technique that is widely used as a way of managing pixels involved in brain perfusion ROI in modern software applications for perfusion data analysis.Objective. This paper presents the analysis of effectiveness of thresholding techniques in brain perfusion ROI detection on T2-weighted MR images of a human head with abnormal brain anatomy.Methods. Four threshold-based algorithms implementation are considered: according to Otsu method as global thresholding, according to Niblack method as local thresholding, thresholding in approximate anatomical brain location, and brute force thresholding. The result of all algorithms is images with pixels’ values changed to zero for background regions (air pixels and pixels that represent non-brain tissues) and original values for foreground regions (brain perfusion ROIs). The analysis is done using comparison of qualitative perfusion maps produced from thresholded images and from the reference ones (manual brain tissues delineation by experienced radiologists). The same DSC perfusion MR datasets of a human head with abnormal brain anatomy from 12 patients with cerebrovascular disease are used for comparison.Results. Pearson correlation analysis showed strong positive (r was ranged from 0.7123 to 0.8518, p < 0.01) and weak positive (r < 0.35, p < 0.01) relationship in case of conducted experiments with CBF, CBV, MTT and Tmax perfusion maps, respectively. Linear regression analysis showed at level of 95 % confidence interval that perfusion maps produced from thresholded images were subject to scale and offset errors in all conducted experiments.Conclusions. The experimental results showed that widely used thresholding methods are an ineffective way of managing pixels involved in brain perfusion ROI. Thresholding as brain segmentation tool can lead to poor placement of perfusion ROI and, as a result, produced perfusion maps will be subject to artifacts and can cause falsely high or falsely low perfusion parameter assessment., Проблематика. Определение области перфузии головного мозга является предварительным этапом перфузионного анализа, который предназначен для исключения не относящихся к мозгу пикселей из изображений динамично-восприимчивой контрастной магнитно-резонансной (МР) томографии. Точность этого этапа считается ключевым фактором в предоставлении правильных результатов перфузионного анализа. Несмотря на большое разнообразие алгоритмов сегментации мозга, не существует таких, которые бы точно и надежно работали на Т2‑взвешенных МР-изображениях мозга человека с аномальной анатомией. Таким образом, пороговая фильтрация по-прежнему остается широко используемым способом определения пикселей, которые характеризуют область перфузии головного мозга, в современном программном обеспечении для проведения перфузионного анализа.Цель исследования. Анализ эффективности методов пороговой фильтрации в определении области перфузии головного мозга на T2‑взвешенных МР-изображениях мозга человека с аномальной анатомией.Методика реализации. Рассмотрены четыре алгоритма поиска порога: глобальный поиск методом Оцу, локальный поиск методом Ниблака, поиск в области анатомического расположения мозга и поиск методом перебора. Результатом всех алгоритмов являлось изображение с измененными на ноль значениями пикселей для фона (пиксели воздуха и пиксели, которые представляют ткани, не являющиеся мозгом) и оригинальными значениями для пикселей области перфузии головного мозга. Анализ проводился на основании сравнения перфузионных карт, полученных из отсегментированных пороговой фильтрацией изображений и из эталонных (мануальное определение области мозга опытными рентгенологами). Для сравнения были использованы одни и те же изображения динамично-восприимчивой контрастной МР-томографии головного мозга 12 пациентов с цереброваскулярными заболеваниями.Результаты исследования. Корреляционный анализ Пирсона показал сильную положительную (r был от 0,7123 до 0,8518, р, Проблематика. Визначення області перфузії головного мозку є попереднім етапом перфузійного аналізу, який призначений для виключення пікселів, що не характеризують мозок, із зображень динамічно-сприйнятливої контрастної магнітно-резонансної (МР) томографії. Точність цього етапу вважається ключовим фактором у наданні правильних результатів перфузійного аналізу. Незважаючи на велику кількість алгоритмів сегментації мозку, не існує таких, які б точно і надійно працювали на Т2-зважених МР-зображеннях мозку людини з аномальною анатомією. Отже, порогова фільтрація, як і раніше, залишається тим способом, що широко використовується в сучасному програмному забезпеченні з перфузійного аналізу для визначення пікселів, які характеризують область перфузії головного мозку.Мета дослідження. Аналіз ефективності методів порогової фільтрації щодо визначення області перфузії головного мозку на T2-зважених МР-зображеннях мозку людини з аномальною анатомією.Методика реалізації. Розглянуто чотири алгоритми пошуку порога: глобальний пошук за методом Оцу, локальний пошук за методом Ніблака, пошук у ділянці анатомічного розташування мозку і пошук за методом перебору. Результатом роботи всіх алгоритмів було зображення із заміною нульовими значеннями пікселів фону (пікселів повітря і пікселів, що не характеризують мозок) і з оригінальними значеннями пікселів з області перфузії головного мозку. Аналіз проводили, порівнюючи перфузійні карти, що були отримані із зображень після застосування порогової фільтрації та з еталонних зображень (мануальне визначення ділянки мозку досвідченими рентгенологами). Для порівняння були використані одні й ті самі зображення динамічно-сприйнятливої контрастної МР-томографії головного мозку 12 пацієнтів із цереброваскулярними захворюваннями.Результати дослідження. Кореляційний аналіз Пірсона показав сильний позитивний (r був від 0,7123 до 0,8518, р

The fully automated and relatively accurate method of brain tissues segmentation on Т2-weighted magnetic resonance perfusion images is proposed. Segmentation with this method provides a possibility to obtain perfusion region of interest on images with abnormal brain anatomy that is very important for perfusion analysis. In the proposed method the result is presented as a binary mask, which marks two regions: brain tissues pixels with unity values and skull, extracranial soft tissue and background pixels with zero values. The binary mask is produced based on the location of boundary between two studied regions. Each boundary point is detected with CUSUM filter as a change point for iteratively accumulated points at time of moving on a sinusoidal-like path along the boundary from one region to another. The evaluation results for 20 clinical cases showed that proposed segmentation method could significantly reduce the time and efforts required to obtain desirable results for perfusion region of interest detection on Т2-weighted magnetic resonance perfusion images with abnormal brain anatomy.

Проблематика. Зображення з аномальною анатомією голови є проблемними для автоматичних методів сегментації, як результат, погане визначення на таких зображеннях зон уваги впливає на кількісні показники та візуальну оцінку перфузійних даних. Мета дослідження. Ця стаття пропонує новий підхід для повністю автоматизованого та відносно точного визначення зон уваги на зображеннях перфузійної динамічно-сприйнятливої контрастної магнітно-резонансної томографії, який може бути застосований у перфузійному аналізі. Методика реалізації. У запропонованому підході результат визначення перфузійних зон уваги являє собою бінарну маску, в якій нульові значення задають на зображенні положення повітря, екстрацеребральних тканин і спинномозкової рідини. Процес створення бінарної маски починається з проведення порогової фільтрації для пікселів низької інтенсивності, яким будуть відповідати нульові значення маски. Оптимальне значення порога знаходиться через отримання інформації щодо інтенсивності пікселів у зоні приблизного анатомічного розміщення мозку. Алгоритми заповнення отворів і вирощування бінарної ділянки використовуються для обробки помилок проведеної порогової фільтрації та створення сегмента, що відповідає тканинам мозку. Надалі визначається положення спинномозкової рідини проведенням порогової фільтрації пікселів високої інтенсивності з-поміж пікселів сегмента, що відповідає тканинам мозку. Кожне зображення часової серії перфузійних даних використовується для уточнення розміщення нульових значень маски, що задають на зображенні положення спинномозкової рідини. Результати дослідження. Для оцінки запропонованого підходу результати визначення перфузійних зон уваги були порівняні з результатами мануальної сегментації, що була виконана досвідченими радіологами і взята за еталонний стандарт. Результати визначення перфузійних зон уваги на 120 зображеннях добре узгоджуються з еталонним стандартом з індексом Дайса 0,9576 ± 0,013 (чутливість і специфічність становлять 0,9931 ± 0,0053 і 0,9730 ± 0,0111 відповідно). Результати визначення всіх перфузійних зон уваги були визнані двома досвідченими радіологами як достатні для клінічного застосування. Висновки. Результати показують, що запропонований підхід може бути застосований для виявлення зон уваги на зображеннях перфузійної динамічно-сприйнятливої контрастної магнітно-резонансної томографії. Сегментація на основі запропонованого підходу може бути реалізована як частина будь-якої автоматизованої системи обробки зображень мозку клінічного застосування. Background. Images with abnormal brain anatomy produce problems for automatic segmentation techniques, and as a result poor ROI detection affects both quantitative measurements and visual assessment of perfusion data. Objective. This paper presents a new approach for fully automated and relatively accurate ROI detection from dynamic susceptibility contrast perfusion magnetic resonance and can therefore be applied excellently in the perfusion analysis. Methods. In the proposed approach the segmentation output is a binary mask of perfusion ROI that has zero values for air pixels, pixels that represent non-brain tissues, and cerebrospinal fluid pixels. The process of binary mask producing starts with extracting low intensity pixels by thresholding, which subsequently correspond to zero values of the mask. Optimal low-threshold value is solved by obtaining intensity pixels information from the approximate anatomical brain location. Holes filling algorithm and binary region growing algorithm are used to remove falsely detected regions and produce region of only brain tissues. Further, CSF pixels extraction is provided by thresholding of high intensity pixels from region of only brain tissues. Each time-point image of the perfusion sequence is used for adjustment of CSF pixels location. Results. The segmentation results were compared with the manual segmentation performed by experienced radiologists, considered as the reference standard for evaluation of proposed approach. On average of 120 images the segmentation results have a good agreement with the reference standard with a Dice Index of 0.9576 ± 0.013 (sensitivity and specificity are 0.9931 ± 0.0053 and 0.9730 ± 0.0111 respectively). All detected perfusion ROIs were deemed by two experienced radiologists as satisfactory enough for clinical use. Conclusions. The results show that proposed approach is suitable to be used for perfusion ROI detection from DSC head scans. Segmentation tool based on the proposed approach can be implemented as a part of any automatic brain image processing system for clinical use. Проблематика. Изображения с аномальной анатомией головы являются проблемными для автоматических методов сегментации, как результат, плохое определение на таких изображениях зон интереса влияет на количественные показатели и визуальную оценку перфузионных данных. Цель исследования. Эта статья предлагает новый подход для полностью автоматизированного и относительно точного определения зон интереса на изображениях перфузионной динамично-восприимчивой контрастной магнитно-резонансной томографии, который может быть применен в перфузионном анализе. Методика реализации. В предложенном подходе результат определения перфузионных зон интереса представляет собой бинарную маску, в которой ее нулевые значения задают на изображении положения воздуха, экстрацеребральных тканей и спинномозговой жидкости. Процесс создания бинарной маски начинается с выполнения пороговой фильтрации для пикселей низкой интенсивности, которым впоследствии будут соответствовать нулевые значения маски. Оптимальное значение порога находится путем получения информации об интенсивности пикселей в зоне приблизительного анатомического расположения мозга. Алгоритмы заполнения отверстий и выращивания бинарной области используются для обработки ошибок проведенной пороговой фильтрации и создания сегмента, который соответствует тканям мозга. В дальнейшем определяется положение на изображении спинномозговой жидкости путем проведения пороговой фильтрации пикселей высокой интенсивности в сегменте, который соответствует тканям мозга. Каждое изображение часовой серии перфузионных данных используется для уточнения расположения нулевых значений маски, которые задают положение спинномозговой жидкости. Результаты исследования. Для оценивания предложенного подхода было выполнено сравнение результатов определения перфузионных зон интереса с мануальной сегментацией, результаты которой были получены опытными радиологами и были приняты как эталонные. Определение перфузионных зон интереса предложенным подходом на 120 изображениях хорошо согласуется с эталонными данными с индексом Дайса 0,9576 ± 0,013 (чувствительность и специфичность составляют 0,9931 ± 0,0053 и 0,9730 ± 0,0111 соответственно). Результаты определения всех перфузионных зон интереса были признаны двумя опытными радиологами как достаточные для клинического применения. Выводы. Результаты исследования показывают, что предложенный подход может быть применен для определения зон интереса на изображениях перфузионной динамично-восприимчивой контрастной магнитно-резонансной томографии. Сегментация на основе предложенного подхода может быть реализована как часть любой автоматизированной системы клинического применения для обработки изображений мозга.

Проблематика. Визначення області перфузії головного мозку є попереднім етапом перфузійного аналізу, який призначений для виключення пікселів, що не характеризують мозок, із зображень динамічно-сприйнятливої контрастної магнітно-резонансної (МР) томографії. Точність цього етапу вважається ключовим фактором у наданні правильних результатів перфузійного аналізу. Незважаючи на велику кількість алгоритмів сегментації мозку, не існує таких, які б точно і надійно працювали на Т2-зважених МР-зображеннях мозку людини з аномальною анатомією. Отже, порогова фільтрація, як і раніше, залишається тим способом, що широко використовується в сучасному програмному забезпеченні з перфузійного аналізу для визначення пікселів, які характеризують область перфузії головного мозку. Мета дослідження. Аналіз ефективності методів порогової фільтрації щодо визначення області перфузії головного мозку на T2-зважених МР-зображеннях мозку людини з аномальною анатомією. Методика реалізації. Розглянуто чотири алгоритми пошуку порога: глобальний пошук за методом Оцу, локальний пошук за методом Ніблака, пошук у ділянці анатомічного розташування мозку і пошук за методом перебору. Результатом роботи всіх алгоритмів було зображення із заміною нульовими значеннями пікселів фону (пікселів повітря і пікселів, що не характеризують мозок) і з оригінальними значеннями пікселів з області перфузії головного мозку. Аналіз проводили, порівнюючи перфузійні карти, що були отримані із зображень після застосування порогової фільтрації та з еталонних зображень (мануальне визначення ділянки мозку досвідченими рентгенологами). Для порівняння були використані одні й ті самі зображення динамічно-сприйнятливої контрастної МР-томографії головного мозку 12 пацієнтів із цереброваскулярними захворюваннями. Результати дослідження. Кореляційний аналіз Пірсона показав сильний позитивний (r був від 0,7123 до 0,8518, p < 0,01) і слабкий позитивний (r < 0,35, p < 0,01) взаємозв'язок у проведених експериментах із CBF, CBV, MTT і Tmax перфузійними картами відповідно. Лінійний регресійний аналіз показав, що перфузійні карти, які були отримані із зображень після застосування порогової фільтрації, схильні до помилок масштабу і зсуву в усіх проведених експериментах з урахуванням 95 %-ного довірчого інтервалу. Висновки. Результати експериментів показали, що поширене використання порогової фільтрації є неефективним способом визначення пікселів, які характеризують область перфузії головного мозку. Використання порогової фільтрації як інструменту з проведення сегментації мозку може призводити до неправильного визначення області перфузії, і, як наслідок, перфузійні карти будуть схильні до наявності артефактів і призведуть до помилково високої або помилково низької оцінки параметрів перфузії. Background. The brain perfusion ROI detection being a preliminary step, designed to exclude non-brain tissues from analyzed DSC perfusion MR images. Its accuracy is considered as the key factor for delivering correct results of perfusion data analysis. Despite the large variety of algorithms developed on brain tissues segmentation, there is no one that works reliably and robustly on T2-weighted MR images of a human head with abnormal brain anatomy. Therefore, thresholding method is still the state-of-the-art technique that is widely used as a way of managing pixels involved in brain perfusion ROI in modern software applications for perfusion data analysis. Objective. This paper presents the analysis of effectiveness of thresholding techniques in brain perfusion ROI detection on T2-weighted MR images of a human head with abnormal brain anatomy. Methods. Four threshold-based algorithms implementation are considered: according to Otsu method as global thresholding, according to Niblack method as local thresholding, thresholding in approximate anatomical brain location, and brute force thresholding. The result of all algorithms is images with pixels’ values changed to zero for background regions (air pixels and pixels that represent non-brain tissues) and original values for foreground regions (brain perfusion ROIs). The analysis is done using comparison of qualitative perfusion maps produced from thresholded images and from the reference ones (manual brain tissues delineation by experienced radiologists). The same DSC perfusion MR datasets of a human head with abnormal brain anatomy from 12 patients with cerebrovascular disease are used for comparison. Results. Pearson correlation analysis showed strong positive (r was ranged from 0.7123 to 0.8518, p < 0.01) and weak positive (r < 0.35, p < 0.01) relationship in case of conducted experiments with CBF, CBV, MTT and Tmax perfusion maps, respectively. Linear regression analysis showed at level of 95 % confidence interval that perfusion maps produced from thresholded images were subject to scale and offset errors in all conducted experiments. Conclusions. The experimental results showed that widely used thresholding methods are an ineffective way of managing pixels involved in brain perfusion ROI. Thresholding as brain segmentation tool can lead to poor placement of perfusion ROI and, as a result, produced perfusion maps will be subject to artifacts and can cause falsely high or falsely low perfusion parameter assessment. Проблематика. Определение области перфузии головного мозга является предварительным этапом перфузионного анализа, который предназначен для исключения не относящихся к мозгу пикселей из изображений динамично-восприимчивой контрастной магнитно-резонансной (МР) томографии. Точность этого этапа считается ключевым фактором в предоставлении правильных результатов перфузионного анализа. Несмотря на большое разнообразие алгоритмов сегментации мозга, не существует таких, которые бы точно и надежно работали на Т2-взвешенных МР-изображениях мозга человека с аномальной анатомией. Таким образом, пороговая фильтрация по-прежнему остается широко используемым способом определения пикселей, которые характеризуют область перфузии головного мозга, в современном программном обеспечении для проведения перфузионного анализа. Цель исследования. Анализ эффективности методов пороговой фильтрации в определении области перфузии головного мозга на Т2-взвешенных МР-изображениях мозга человека с аномальной анатомией. Методика реализации. Рассмотрены четыре алгоритма поиска порога: глобальный поиск методом Оцу, локальный поиск методом Ниблака, поиск в области анатомического расположения мозга и поиск методом перебора. Результатом всех алгоритмов являлось изображение с измененными на ноль значениями пикселей для фона (пиксели воздуха и пиксели, которые представляют ткани, не являющиеся мозгом) и оригинальными значениями для пикселей области перфузии головного мозга. Анализ проводился на основании сравнения перфузионных карт, полученных из отсегментированных пороговой фильтрацией изображений и из эталонных (мануальное определение области мозга опытными рентгенологами). Для сравнения были использованы одни и те же изображения динамично-восприимчивой контрастной МР-томографии головного мозга 12 пациентов с цереброваскулярными заболеваниями. Результаты исследования. Корреляционный анализ Пирсона показал сильную положительную (r был от 0,7123 до 0,8518, p < 0,01) и слабую положительную (r < 0,35, p < 0,01) взаимосвязь в случае проведенных экспериментов с CBF, CBV, MTT и Tmax перфузионными картами соответственно. Линейный регрессионный анализ показал, что перфузионные карты, которые были получены из отсегментированных пороговой фильтрацией изображений, подвержены ошибкам масштаба и смещения во всех проведенных экспериментах с учетом 95 %-ного доверительного интервала. Выводы. Результаты экспериментов показали, что широко используемые методы пороговой фильтрации являются неэффективным способом определения пикселей, которые характеризуют область перфузии головного мозга. Использование пороговой фильтрации как инструмента для проведения сегментации мозга может приводить к неправильному определению области перфузии, и, как следствие, перфузионные карты будут подвержены наличию артефактов и приведут к ошибочно высокой или ошибочно низкой оценке параметров перфузии.

Background. Images with abnormal brain anatomy produce problems for automatic segmentation techniques, and as a result poor ROI detection affects both quantitative measurements and visual assessment of perfusion data.Objective. This paper presents a new approach for fully automated and relatively accurate ROI detection from dynamic susceptibility contrast perfusion magnetic resonance and can therefore be applied excellently in the perfusion analysis.Methods. In the proposed approach the segmentation output is a binary mask of perfusion ROI that has zero values for air pixels, pixels that represent non-brain tissues, and cerebrospinal fluid pixels. The process of binary mask producing starts with extracting low intensity pixels by thresholding, which subsequently correspond to zero values of the mask. Optimal low-threshold value is solved by obtaining intensity pixels information from the approximate anatomical brain location. Holes filling algorithm and binary region growing algorithm are used to remove falsely detected regions and produce region of only brain tissues. Further, CSF pixels extraction is provided by thresholding of high intensity pixels from region of only brain tissues. Each time-point image of the perfusion sequence is used for adjustment of CSF pixels location.Results. The segmentation results were compared with the manual segmentation performed by experienced radiologists, considered as the reference standard for evaluation of proposed approach. On average of 120 images the segmentation results have a good agreement with the reference standard with a Dice Index of 0.9576 ± 0.013 (sensitivity and specificity are 0.9931 ± 0.0053 and 0.9730 ± 0.0111 respectively). All detected perfusion ROIs were deemed by two experienced radiologists as satisfactory enough for clinical use.Conclusions. The results show that proposed approach is suitable to be used for perfusion ROI detection from DSC head scans. Segmentation tool based on the proposed approach can be implemented as a part of any automatic brain image processing system for clinical use., Проблематика. Изображения с аномальной анатомией головы являются проблемными для автоматических методов сегментации, как результат, плохое определение на таких изображениях зон интереса влияет на количественные показатели и визуальную оценку перфузионных данных.Цель исследования. Эта статья предлагает новый подход для полностью автоматизированного и относительно точного определения зон интереса на изображениях перфузионной динамично-восприимчивой контрастной магнитно-резонансной томографии, который может быть применен в перфузионном анализе.Методика реализации. В предложенном подходе результат определения перфузионных зон интереса представляет собой бинарную маску, в которой ее нулевые значения задают на изображении положения воздуха, экстрацеребральных тканей и спинномозговой жидкости. Процесс создания бинарной маски начинается с выполнения пороговой фильтрации для пикселей низкой интенсивности, которым впоследствии будут соответствовать нулевые значения маски. Оптимальное значение порога находится путем получения информации об интенсивности пикселей в зоне приблизительного анатомического расположения мозга. Алгоритмы заполнения отверстий и выращивания бинарной области используются для обработки ошибок проведенной пороговой фильтрации и создания сегмента, который соответствует тканям мозга. В дальнейшем определяется положение на изображении спинномозговой жидкости путем проведения пороговой фильтрации пикселей высокой интенсивности в сегменте, который соответствует тканям мозга. Каждое изображение часовой серии перфузионных данных используется для уточнения расположения нулевых значений маски, которые задают положение спинномозговой жидкости.Результаты исследования. Для оценивания предложенного подхода было выполнено сравнение результатов определения перфузионных зон интереса с мануальной сегментацией, результаты которой были получены опытными радиологами и были приняты как эталонные. Определение перфузионных зон интереса предложенным подходом на 120 изображениях хорошо согласуется с эталонными данными с индексом Дайса 0,9576 ± 0,013 (чувствительность и специфичность составляют 0,9931 ± 0,0053 и 0,9730 ± 0,0111 соответственно). Результаты определения всех перфузионных зон интереса были признаны двумя опытными радиологами как достаточные для клинического применения.Выводы. Результаты исследования показывают, что предложенный подход может быть применен для определения зон интереса на изображениях перфузионной динамично-восприимчивой контрастной магнитно-резонансной томографии. Сегментация на основе предложенного подхода может быть реализована как часть любой автоматизированной системы клинического применения для обработки изображений мозга., Проблематика. Зображення з аномальною анатомією голови є проблемними для автоматичних методів сегментації, як результат, погане визначення на таких зображеннях зон уваги впливає на кількісні показники та візуальну оцінку перфузійних даних.Мета дослідження. Ця стаття пропонує новий підхід для повністю автоматизованого та відносно точного визначення зон уваги на зображеннях перфузійної динамічно-сприйнятливої контрастної магнітно-резонансної томографії, який може бути застосований у перфузійному аналізі.Методика реалізації. У запропонованому підході результат визначення перфузійних зон уваги являє собою бінарну маску, в якій нульові значення задають на зображенні положення повітря, екстрацеребральних тканин і спинномозкової рідини. Процес створення бінарної маски починається з проведення порогової фільтрації для пікселів низької інтенсивності, яким будуть відповідати нульові значення маски. Оптимальне значення порога знаходиться через отримання інформації щодо інтен­сивності пікселів у зоні приблизного анатомічного розміщення мозку. Алгоритми заповнення отворів і вирощування бінарної ділянки використовуються для обробки помилок проведеної порогової фільтрації та створення сегмента, що відповідає тканинам мозку. Надалі визначається положення спинномозкової рідини проведенням порогової фільтрації пікселів високої інтенсивності з-поміж пікселів сегмента, що відповідає тканинам мозку. Кожне зображення часової серії перфузійних даних використовується для уточнення розміщення нульових значень маски, що задають на зображенні положення спинномозкової рідини.Результати дослідження. Для оцінки запропонованого підходу результати визначення перфузійних зон уваги були порів­няні з результатами мануальної сегментації, що була виконана досвідченими радіологами і взята за еталонний стандарт. Результати визначення перфузійних зон уваги на 120 зображеннях добре узгоджуються з еталонним стандартом з індексом Дайса 0,9576 ± 0,013 (чутливість і специфічність становлять 0,9931 ± 0,0053 і 0,9730 ± 0,0111 відповідно). Результати визначення всіх перфузійних зон уваги були визнані двома досвідченими радіологами як достатні для клінічного застосування.Висновки. Результати показують, що запропонований підхід може бути застосований для виявлення зон уваги на зображеннях перфузійної динамічно-сприйнятливої контрастної магнітно-резонансної томографії. Сегментація на основі запропонованого підходу може бути реалізована як частина будь-якої автоматизованої системи обробки зображень мозку клінічного застосування.