问题标签 [medical-imaging]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 将 unet 答案转换回 .nii 文件
我是深度学习的新手,目前正在研究图像分割网络。我设法训练了网络,但问题是将网络响应转换为 nii 格式。我将 CT 图像中的训练样本切割成 512X512 切片,然后切片成 128X128 块。因此,我将补丁转移到网络的输入端,并在输出端获得掩码 128x128。我设法将掩码分组到一个 numpy 数组中。但是当从一个数组转移到 nii 并试图将得到的掩码施加到原始 CT 上时,我的比例不匹配。请告诉我可能是什么问题?我真的很感激任何帮助。
例如,为了简单起见,我从训练样本中提取了一个掩码。
python - 在 Paraview 上可视化 SimpleITK 坐标
我正在尝试制作一个 SimpleITK 图像,其中我希望特定的体素值为 1,其余的值为 0。我是 SimpleITK 的新手,所以我觉得我错过了一些东西。
无论如何,我有一些我已经生成的索引,我将体素值分配为 1。但是,我希望能够可视化这些样本在空间中相对于彼此的方向。我尝试了多种方法,将一个充满零且所需索引为 1 的数组转换为 NIFTI 图像,但是我仍然无法将其可视化并查看这些点的外观
以下是我尝试过的基本代码片段
但是,即使设置了阈值,当我尝试在 paraview 上查看它时,我仍然一无所获。这可能是什么原因?有没有办法绕过这个问题?
python - 如何使用 Python 中的自适应阈值从 numpy ndarray 类型的 CT 图像中分割骨骼
这是我的示例代码。我尝试将自适应阈值应用于分割骨骼。加载存储为 mat 文件的 Dicom 文件数据并提取 ct 图像。然后取一片 NumPy.ndarray 类型的 CT 数据,然后将其转换为 CV_8UC1 类型以应用阈值。
matlab - Matlab 中的 DICOM 文件分割。将 4d 导出为 3d?
我想使用 Image Segmenter 分割一个医疗案例。我知道怎么做,但我需要工作区中的 3D 文件。我正在使用 Dicom 查看器来读取包含 dicom 文件的文件夹。不幸的是,它只导出 4d。我怎样才能把它变成3d?
这是我尝试做的:https ://www.mathworks.com/help/images/segment-lungs-from-3-d-chest-mri-data.html 这个功能需要3D图像:
也许我可以使用其他功能?如果是,是哪一个?
matlab - 检测带有部分边缘的圆(用于微载体上的细胞生长的 MATLAB)
我正在尝试开发能够确定我们在微载体上生产的细胞汇合度的软件。为此,您需要确定细胞占据的面积除以细胞可生长的面积。所以 100% 融合意味着微载体被完全覆盖。
为了做到这一点,我们需要识别球形但边缘没有出现在我们的一种成像技术中的微载体。
我玩过 imfindcircles() 中的大多数变量,但我对这些图像没有运气。
关于当边缘凹凸不平以及相应的半径和中心不完整时如何检测圆的任何建议?(绿色 = 细胞)
machine-learning - 检测视频中是否存在摄像机运动以及手术视频中的移动物体
我试图区分手术视频中的相机运动和工具运动。我已经尝试使用 opencv farneback 进行光流,并将结果传递给 ML 模型进行学习,但没有成功。一个主要问题是在相机运动的情况下获得良好的关键点。是否有替代技术来区分相机运动和工具/组织运动?注意:摄像机运动仅发生在 10% 的视频中
python - 如何减少 MRI(.nii 格式)图像中的通道数?
我一直在尝试将大脑 MRI 图像数据集(IXI 数据集)提供给 ConvNet,但是,有些图像有 140 个通道,而另一些有 150 个通道。如何使所有图像具有相同数量的通道,这样我就不会遇到固定 CNN 输入形状的问题?我正在使用 nibabel lib 来读取 .nii 文件。
编辑:我对 MRI 图像了解不多,应该丢弃哪些通道?
deep-learning - 3D 体积图像沿三个正交(轴)的 2D 卷积
由于 3D 卷积需要太多的计算成本,所以我更喜欢使用 2D conv。我的动机是使用 2D conv 处理体积图像来降低成本。
我想沿三个正交应用 2D 卷积以获得 3 个结果,每个结果都属于这些正交之一。更清楚地说,假设我有一个 3D 体积图像。我不想应用 3D conv,而是想同时使用 xy、xz、yz 轴的 2D conv。然后,我希望有 3 种不同的体积结果。每个结果代表三个不同的正交。
有没有办法做到这一点?感谢帮助。
medical-imaging - 基于体积中的中心线点列表,如何从头开始编写多平面重新格式化算法?
我处理医学 CT 和主动脉分割。我的目标是为自己编写一个算法,以从中心线点列表开始提取多平面重构 (MPR)。我首先编写了一个算法,为每个第 i 个中心线点初始化平面中的一对正交向量,这些正交向量由将中心线点连接到下一个中心线点的(法线)向量生成。我不想错过主动脉内的任何体素,但我不知道如何避免这样做和重叠体素。如果哪位有经验可以给点指导,不胜感激。。