医学图像处理
烟火笑风尘
众生皆苦
展开
-
医学图像-深度学习库
NiftyNet:https://pypi.org/project/NiftyNet/原创 2019-07-23 21:41:25 · 236 阅读 · 0 评论 -
图像分割后处理
1.针对CNN输出的像素级的概率输出做二值化。之前一般使用阈值0.5来进行二值化。但是这个阈值是认为设定的,最后的结果可以通过选取不同的阈值来提升分割效果。例如将阈值选取0.7、0.8等。2.对二值化后的图像可以进行膨胀腐蚀操作,也能较大程序的提升分割效果。3.腐蚀:变瘦 原理:在一个小区域内选取局部最小值。这个小区域可以称之为kernel。 函数:python-ope...原创 2019-03-11 20:33:02 · 7896 阅读 · 1 评论 -
matplotlib和opencv进行图像读取和保存
1.保存灰度图为.png图片,如果图片像素值是0~1之间的浮点数,(1)opencv保存,效果能稍微看出一点轮廓,但是大部分黑色。①如果用matplotlib读取,像素值是0~1之间的浮点数(在我的测试中,只剩下了0和一个0.003921569这两数值),float类型的数据,能显示图片,但是丢失了许多信息。②如果用opencv读取,因为只剩下(0或者1)两个像素值,int类型,并且o...原创 2019-01-22 15:01:55 · 2219 阅读 · 0 评论 -
A Fixed-Point Model for Pancreas Segmentation in Abdominal CT Scans
翻译文章:A Fixed-Point Model for Pancreas Segmentation in Abdominal CT Scans Fixed-Point Optimization利用预测的分割结果来收缩输入区域。引入了一个转换函数,根据给定的分割结果产生输入区域。重新定义模型为:,损失函数是:,因为分割结果在输入与输出中都出现。因此是一个不动点模型。应用该文章中提出的方...原创 2018-12-18 20:25:28 · 1003 阅读 · 2 评论 -
医学图像数据预处理
1.做归一化处理的时候一定要注意在归一化之前将像素值数据类型转换为float类型。看这两段代码的效果对比:img=pydicom.read_file("1.dcm")# img=img.pixel_arrayimg=img.pixel_array.astype(np.float32)img=(img-np.min(img))/(np.max(img)-np.min(img))#*255...原创 2018-12-27 20:29:49 · 7064 阅读 · 3 评论 -
Bridging the Gap Between 2D and 3D Organ Segmentation with Volumetric Fusion Net
From MICCAI 2018 part4摘要文章提出了一种交替框架,在不同的切面上训练2D网络来分割,建立了一个3D体融合网络(VFN)来融合2D分割结果。和大多数的3D网络相比较,VFN是相对浅层的,并且有更少的参数,这使得我们的框架在整合3D信息来分割时更加高效。我们分开训练和测试分割和融合模块,并且提出了一种新颖的策略,cross-cross-augmentation,来充分利用...原创 2018-12-14 20:14:00 · 436 阅读 · 2 评论 -
A 3D Coarse-to-Fine Framework for Volumetric Medical Image Segmentation
摘要在这篇文章中,我们采用了3DCNN来分割体医学图像。尽管DNN已经被证实在许多2D视觉任务上将会是分厂高效的,将DNN应用于3D任务仍然是挑战性的因为有限的3D标注数据和有限的计算资源。我们提出了一种新颖的基于3D的粗糙——精细的框架来有力和高效的处理这些挑战。所提出的的基于3D的框架由于相应的2D框架一大截因为他可以通过三个轴利用丰富的空间信息。我们在两个数据集(分别包括健康的和病理学的...原创 2018-12-14 20:13:31 · 676 阅读 · 0 评论