The present invention, referred to as Oasis is Automated Statistical Inference for Segmentation (OASIS), is a fully automated and robust statistical method for cross-sectional MS lesion segmentation. Using intensity information from multiple modalities of MRI, a logistic regression model assigns voxel-level probabilities of lesion presence. The OASIS model produces interpretable results in the form of regression coefficients that can be applied to imaging studies quickly and easily. OASIS uses intensity-normalized brain MRI volumes, enabling the model to be robust to changes in scanner and acquisition sequence. OASIS also adjusts for intensity inhomogeneities that preprocessing bias field correction procedures do not remove, using BLUR volumes. This allows for more accurate segmentation of brain areas that are highly distorted by inhomogeneities, such as the cerebellum. One of the most practical properties of OASIS is that the method is fully transparent, easy to implement, and simple to modify for new data sets.La présente invention, dont il est fait référence en tant quOasis, est une Interférence Statistique Automatisée pour la Segmentation (OASIS), est une méthode statistique totalement automatisée et robuste pour la segmentation dune lésion MS transversale. A laide dinformations dintensité provenant de multiples modalités dIRM, un modèle de régression logistique assigne des probabilités de niveau de voxel de la présence dune lésion. Le modèle OASIS produit des résultats interprétables sous la forme de coefficients de régression qui peuvent être appliqués à des études dimagerie rapidement et facilement. OASIS utilise des volumes dIRM du cerveau normalisés du point de vue de lintensité, permettant au modèle dêtre robuste vis-à-vis de modifications dans la séquence de balayage et dacquisition. OASIS ajuste également les inhomogénéités dintensité que des procédures de correction de champ de biais de prétraitement néliminent pas, à laide de volumes BLUR. Ceci permet
