Die vorliegende Erfindung betrifft ein Verfahren zur Segmentierung eines Organs, insbesondere der Leber, in n-kanaligen Volumendatensätzen der Magnetresonanztomographie. Bei dem Verfahren werden auf Basis von Segmentierungsergebnissen aus n-kanaligen Trainingsdatensätzen Wahrscheinlichkeitsverteilungen generiert, die Wahrscheinlichkeiten angeben, mit denen Positionen von Voxeln und mit Hilfe einer Diskriminanzreduktion aus n Dimensionen auf eine Dimension projizierte Intensitätswerte von Voxeln der Trainingsdatensätze zu dem Organ gehören. Aus den n-kanaligen Volumendatensätzen wird dann auf Basis der Wahrscheinlichkeitsverteilungen wenigstens ein 3D-Wahrscheinlichkeitsdatensatz generiert, in dem jedem Voxel eine Wahrscheinlichkeit zugeordnet ist, zu dem Organ zu gehören. Ein Maximum des 3D-Wahrscheinlichkeitsdatensatzes wird als Startpunkt für die Segmentierung gesetzt und die Segmentierung des Organs anschließend auf Basis des 3D-Wahrscheinlichkeitsdatensatzes mit einer Region-Growing-Technik durchgeführt. Das Verfahren ermöglicht eine vollautomatische Segmentierung des Organs mit hoher Zuverlässigkeit.The present invention relates to a process for the segmentation of an organ, in particular of the liver, in n - to inform volume data sets of the magnetic resonance tomography. In the method, on the basis of segmentation results of n - to inform training data etching probability distributions is generated, the probabilities, by means of which positions of voxels and with the aid of a discriminance of reduction of n dimensions to a dimension projected intensity values of voxels of the training data sets belong to the organ. From the n - to inform volume data sets is then placed on the basis of the probabilities at least a 3d - probability data set is generated, in which each voxel is associated with a probability, to the organ to include. A maximum of the 3d - probability data set as a starting point for the segmentation is set and the segmentation of the organ subse
