- 博客(322)
- 资源 (30)
- 收藏
- 关注
RSS订阅原创 医学图像配准概念、理论与实操学习路径
配准的目标是建立不同图像像素点之间的对应关系 [7]。根据图像的获取方式、时间以及应用场景的不同，配准方法也呈现出多样性 [7]。输入图像类型： 包括单模态配准（相同成像模态的图像，如两张MRI）、多模态配准（不同成像模态的图像，如MRI与CT）、受试者内配准（同一受试者在不同时间或条件下获取的图像）和受试者间配准（不同受试者之间的图像）。形变模型： 根据形变的复杂程度，可分为刚性配准（仅涉及平移和旋转）、仿射配准（在刚性基础上增加缩放和剪切）和可变形配准（处理非线性组织形变） [3, 5, 14]。
2026-03-20 10:56:11
404
原创 在 3D Slicer 中使用 Crop Volume 高效裁剪与重采样，提升分割、配准与深度学习处理效率
医学影像裁剪与重采样预处理的关键作用 在医学影像分析中，原始数据往往包含大量冗余信息（如全身扫描中的空气区域），直接处理会导致计算效率低下、显存压力大等问题。3D Slicer的Crop Volume工具能精准裁剪感兴趣区域，实现空间规范化处理
2026-03-20 10:53:59
502
原创 不写一句代码，我做了一个完整的标注软件，完全符合我的需求！
科研中常需定制工具满足独特需求。本文展示了如何借助大语言模型快速开发一款医学图像标注软件，实现以下功能：读取NIFTI/DICOM格式CT图像、调节窗宽窗位、滑动查看层面、自动设置默认标签、CSV格式存储标注数据。通过对比GPT和GEMINI模型的实际表现，发现仅其中一个模型能在2小时内完成完整软件开发。文章详细记录了从需求分析到代码优化的全过程，包括界面调整、功能完善等关键步骤，最终实现了无需手动编码的定制化软件开发，极大提升了科研效率。
2026-03-19 09:33:40
55
1
原创 如何将TotalSegmentator用于科研论文-案例思路分享
更新后的模型在测试集中对心血管结构分割表现优异，中位DICE系数约0.967，与原模型相比5/6个结构显著提升（p<0.001），表明扩展后的TotalSegmentator模型准确性提高，可在常规电脑上高效运行。这篇文章训练方式类似TS，只是新增了几个结构，一样可以发ER。这种思路是可以借鉴的。遗憾的是它这篇文章没有公开代码以及新增结构的模型。
2026-03-19 09:32:54
386
原创 使用 TotalSegmentator 的 Body 模型快速去除 CT 图像中的床板
在医学影像处理过程中，我们经常需要将 CT 图像中的人体主体与床板或体外空气区分开。如果不去除这些无关区域，不仅浪费存储，还会干扰后续的分析或模型训练。之前，我们讲了用“阈值 + 连通域”的传统方法来实现。【添加链接】但在一些复杂情况下（例如身体与床板接触、四肢接触扫描床），传统方法可能无法准确分离。如下面的例子：这时，我们可以利用提供的body/extremities 模型， 直接生成“人体整体”的掩膜（mask），再把其外的区域全部置为空气（-1024 HU。
2026-03-18 10:15:56
99
原创 3D Slicer新模型CADS-自动分割全身167个器官
CADS（CAnatomicalDataset &Segmentation）是一个针对全身 CT（从头部到膝部）影像的开源自动分割框架。其核心特点与亮点如下：覆盖丰富、结构全面CADS 涵盖167 个解剖结构，远超多数现有模型的覆盖范围。大规模数据支撑CADS 包含22,022 例带完整标注的 CT 体数据集（CADS-dataset），数据来源覆盖 16 个国家、100 多个成像中心，具备很强的异质性和泛化能力。自动化流程与质量控制。
2026-03-18 10:13:14
151
原创 主动脉真假腔分割- AI vs 传统，哪个更快？
主动脉真假腔分割- AI vs 传统，哪个更快？在主动脉夹层的影像诊断中，如何准确区分真假腔一直是医生们关注的重点。
2026-03-18 10:12:33
30
原创 如何快速去除胸部CT中的床板与体外区域 —— 基于阈值与连通域的简易方法(附完整代码)
在进行胸部CT影像分析或深度学习建模前，常需要去除胸腔以外的无关区域。文章持续更新，可以关注微公【Radiology AI Camp】获取最新动态。人手有限，文中涉及的链接前往微公对应文章查看。人体通常是扫描体积中最大的连通区域，而床板、被单、噪声等属于较小的独立结构。我们对前景进行 3D 连通域标记，并保留体积最大的一个。对这部分感兴趣的同学可以联系我要完整的代码，改成你的数据集就可以使用。本次实验代码采用jupyter形式，更方便大家学习。我们会介绍基于传统的方法和深度学习的方法。
2026-03-18 10:12:11
94
原创 让AI看懂牙齿：DentalSegmentator如何实现牙颌面影像自动分割（文献阅读）
让AI看懂牙齿：DentalSegmentator如何实现牙颌面影像自动分割（文献阅读）
2026-03-18 10:11:49
418
原创 讨论: 做影像组学研究，你更喜欢用 R 语言 还是 Python？
在影像组学研究中，没有“唯一正确”的语言。Python提供了从影像到算法的全流程能力，R则让统计与报告更优雅、精准。最终的选择，应该取决于你的研究类型、团队背景和个人偏好。最好的语言，是你能高效地用它讲清楚科学问题、得到可靠结果的那一个。文章持续更新，可以关注微公【Radiology AI Camp】获取最新动态。人手有限，文中涉及的链接前往微公对应文章查看。关注Tina姐，一起学习进步~我是Tina, 我们下篇博客见~白天工作晚上写文，呕心沥血觉得写的不错的话最后，或者一键三连。
2026-03-18 10:11:27
326
原创 ITK在医学影像深度学习时代的作用
ITK 不仅是传统影像分析算法的宝库，也在当下的 AI 时代中扮演着关键角色。从膝关节 MRI 的方向对齐，到脑部 MRI 的偏场校正，再到肺 CT 的体素重采样，ITK 是现代医学影像 AI 流程可靠运行的基础。随着深度学习不断发展，ITK 也会持续更新与支持，确保医学影像始终以科学、标准化的形式服务于 AI 研究。
2026-03-18 10:10:33
396
原创 将医学影像集成到流体力学CFD工作流程中
将医学影像集成到流体力学CFD工作流程中发布日期：2025-11-10作者：Ebrahim Ebrahim、Andinet Enquobahrie计算流体动力学 (CFD) 长期以来一直用于医学研究，随着近期FDA 标准和批准的出台，它已成为医疗器械设计和患者治疗领域医疗应用的前沿技术。其应用包括手术和治疗计划、医疗器械设计以及药物输送优化。
2026-03-18 10:10:19
330
原创 slicer实操：一例门静脉高压伴脾肾分流可视化
选择用nniteractive插件手动勾画门静脉，脾静脉，肾静脉，主动脉，脾脏等器官。勾花时间10分钟，时间主要用在寻找血管上。由于脾脏增大，影响观看，我把脾脏切掉了一般。从图中可以看到，脾静脉主干增粗，迂曲，以及肾静脉（尤其是左肾）粗大。因此诊断为门脉高压伴侧枝循环开放，主要是脾肾分流。文章持续更新，可以关注微公【Radiology AI Camp】获取最新动态。人手有限，文中涉及的链接前往微公对应文章查看。我们用3D slicer 来手动分割看看，与西门子后处理相比，谁更厉害。觉得写的不错的话最后，
2026-03-18 10:10:03
18
原创 三种牙颌面部的自动分割方法-专为口腔定制
本文介绍了三种牙颌面部的自动分割方法：DentalSegmentator、TotalSegmentator和nnU-Net。DentalSegmentator基于nnU-Net框架，可分割上颌骨、下颌骨等5个结构。TotalSegmentator是强大的全身CT/MRI分割模型，新增了口腔颌面部结构的分割功能。nnU-Net则提供更简便的Slicer插件实现方式。文章详细说明了各方法的使用步骤和注意事项，为口腔影像分析提供了实用的自动化解决方案。
2026-03-18 10:09:49
425
原创 在TS和auto3DSeg中运行新模型总是报错？解决思路分享
相信我的大多数粉丝，在我去年的重推之下，都已经开始使用TotalSegmentator（TS）这样强大的分割工具了。目前，TS 用于稳健分割CT图像中超过100种解剖结构的工具以及MRI图像中80多个器官结构。而这个数字，还在随着研究人员不断地深入研究，一直都在更新。想要第一时间掌握更新动态，你可以关注,如下图：从图中可以看到，开发者是更新的非常频繁的，昨天都才更新过。你可以从主页看到TS的所有模型。比如说，现在公开可用的模型增加到如下这些：这比去年我分享的模型又多上了许多。那么，问题来了。
2026-03-17 10:14:42
24
原创 医学图像分割领域这么卷了，我们还能怎么做？
医学图像分割确实是个成熟领域，多器官分割、大模型（SAM、MedSAM）等工作层出不穷。但这不意味着没有研究空间——关键是找到真实的临床需求和未被充分探索的技术角度。
2026-03-17 10:12:28
149
原创 CADS-python版：在一分钟内分割全身147个器官（可批量）
CADS（CAnatomicalDataset &Segmentation）是一个针对全身 CT（从头部到膝部）影像的开源自动分割框架。其核心特点与亮点如下：覆盖丰富、结构全面CADS 涵盖167 个解剖结构，远超多数现有模型的覆盖范围。大规模数据支撑CADS 包含22,022 例带完整标注的 CT 体数据集（CADS-dataset），数据来源覆盖 16 个国家、100 多个成像中心，具备很强的异质性和泛化能力。自动化流程与质量控制。
2026-03-17 10:11:47
150
原创 3D Slicer × nnInteractive：自定义医学分割的终极组合
3D Slicer与nnInteractive结合实现高效医学图像分割 nnInteractive是一个创新的交互式深度学习分割框架，解决了传统AI工具在自定义医学图像分割中的局限性。与TotalSegmentator等预训练模型不同，它采用在线学习方式，通过简单的点击、涂抹等交互操作实时学习目标特征，特别适合分割罕见病灶或未训练器官。 该工具采用客户端-服务端架构：3D Slicer作为交互界面（客户端），Python后台（服务端）处理GPU计算。安装需分别配置服务端（需NVIDIA GPU）和Slice
2026-03-17 10:10:46
683
原创 收藏：107个开源医学影像分割数据集全览
本文系统整理了107个开源医学影像分割数据集，按模态分类汇总。涵盖CT（肺部、腹部、多器官等）、MRI（脑部、心脏、前列腺等）、PET/CT（肿瘤）、超声（心脏、甲状腺）以及显微镜/细胞级数据。每个数据集均标注分割目标和下载地址，为医学影像研究提供全面参考资源。文末提供完整数据表格，方便研究者快速查找所需数据集。
2026-03-17 10:09:22
1081
原创 nnInteractive重新定义3D AI交互式分割（文献阅读）
摘要 nnInteractive是首个支持开放集3D交互式医学影像分割的框架，基于nnU-Net架构并引入多样化提示机制（点、框、涂鸦、套索）。通过早期提示策略和AutoZoom机制，模型能从2D交互生成3D分割结果，显著提升临床可用性。在120+多模态数据集（CT/MRI/PET等）上训练后，实验显示其性能优于现有方法（如MedSAM），支持跨模态泛化，并已集成至Napari和MITK平台，实现高效（<10GB显存，百毫秒级推理）的临床部署。
2026-03-17 10:08:45
404
原创 ITK-SNAP新版本重大升级：支持nnInteractive AI辅助分割
ITK-SNAP 4.4.0版本新增AI辅助分割功能，支持基于nnInteractive的交互式医学图像分割。该软件作为免费跨平台的医学影像处理工具，新增功能允许用户通过简单点击实现器官自动勾画，效果优于同类产品。安装需配置Python环境和GPU支持，提供本地和远程两种运行模式。本文详细介绍了软件安装、环境配置步骤及常见问题解决方案，并演示了AI分割功能的使用方法。新版本还增加了网格可视化和中文界面支持，为医学影像科研和教学提供了更高效的工具。
2026-03-17 10:07:46
420
原创 从混淆矩阵理解分类指标-以医学影像为例
本文系统梳理了医学人工智能中分类模型评估的关键指标。通过混淆矩阵基础介绍，详细解释了TP、FN、FP、TN的含义及其衍生指标：准确率(Accuracy)、精确率(Precision)、召回率(Recall/敏感性)、特异性(Specificity)和F1-score的计算公式。结合腹部CT四分类案例，分析指出Accuracy易被负样本数量拉高，而Recall更能反映模型检测疾病的能力。最后建议采用行归一化混淆矩阵可视化，并强调医学应用中需综合考量多个指标，根据具体场景关注敏感性或特异性。本文为医学AI模型的
2026-03-17 10:07:08
430
原创 介绍两个开源腹部多期CT数据集
摘要：WAW-TACE数据集为肝细胞癌研究提供233例初治患者的综合资料，包含多相CT影像、手工标注的377个肿瘤分割、器官掩模、影像组学特征及临床预后指标。VinDr-Multiphase数据集则聚焦腹部增强CT的相位识别，含500例四期扫描数据，支持深度学习算法开发。两个数据集均通过标准化格式（NIfTI/NRRD）共享，分别发布于Zenodo和VinDr平台，需签署协议获取，为肝癌治疗评估和医学影像分析提供重要资源。
2026-03-17 10:06:21
424
原创 一个咔咔好用的Dicom批量转Nifti工具
本文介绍了使用MRIcroGL工具在Windows系统上批量将Dicom格式转换为Nifti格式的简明教程。该软件支持直接查看MRI、CT等神经影像数据，并提供简单的格式转换功能。文章详细讲解了从下载安装到转换操作的全过程，重点说明了输出文件命名规则的可定制参数，并提供了可选的高级设置选项。该方法操作简便，仅需4个步骤即可完成转换，适合科研人员和临床医生快速处理脑影像数据。文末还提供了获取更新信息的渠道，并鼓励读者点赞分享。
2026-03-17 10:05:21
379
原创 函数解析--monai.transforms.RandAxisFlipd
是一个数据增强的变换，用于随机沿指定的轴翻转图像。这种类型的数据增强可以帮助模型学习到更加鲁棒的特征，特别是在医学影像中，不同的拍摄角度可能会导致图像的翻转，使用可以使模型更好地适应这类变化。🔄。
2024-12-05 18:28:22
747
原创 MONAI 1.4新版本发布，抢先体验MAISI扩散模型以及VISTA交互式分割模型
MONAI 1.4新版本发布，抢先体验MAISI扩散模型以及VISTA交互式分割模型上周，MONAI发布了备受期待的1.4版本，这是时隔一年的重大更新。：这是一个最先进的3D潜在扩散模型（3D Latent Diffusion Model），专为生成高质量的合成CT图像而设计，无论是否带有解剖标注。MAISI在数据增强和创建逼真的医学成像数据方面表现出色，有助于补充因隐私问题或罕见状况而受限的数据集。此外，它还能通过生成多样化和逼真的训练数据，显著提高其他医学成像AI模型的性能。
2024-10-25 10:48:58
2221
原创 MONAI Label中Deep Grow、Deep Edit用法
由于我们的模型仍处于早期阶段，我们需要进行一些额外的清理，因为模型产生的分割结果不一致。Monai Label 提供了AI辅助的注释体验，使研究人员和开发人员能够通过临床医生的迭代反馈不断改进他们的应用程序，这些临床医生是该应用程序的最终用户。为了帮助解决这个问题，我们创建了Monai Label，它有助于减少注释新数据集的时间和精力，并使AI适应手头的临床任务，通过不断从用户交互和数据中学习。将两个模型的强大功能结合到一个单一架构中，它允许用户以标准分割方法进行推断，并使用点击交互式分割图像的一部分。
2024-10-25 10:46:49
1114
原创 在3D Slicer中使用 Monai Bundle 和 Model Zoo 标注医学影像数据-分割肾子结构：皮质髓质和集合系统
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
2024-10-25 10:46:30
1305
原创 在3D Slicer中使用 Monai Bundle 和 Model Zoo 标注医学影像数据-MRI前列腺分割
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
2024-10-25 10:46:05
1633
原创 MONAILabel in 3D Slicer 案例2: 脊柱全段分割
MONAILabel in 3D Slicer 案例2: 脊柱全段分割。
2024-10-25 10:45:42
1985
4
原创 在3D Slicer中使用 Monai Bundle 和 Model Zoo 标注医学影像数据-全身CT器官分割
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
2024-08-30 15:55:45
2432
3
原创 在3D Slicer中使用 Monai Bundle 和 Model Zoo 标注医学影像数据-CT肺结节检测
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
2024-08-30 15:52:43
3295
7
原创 MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏
MONAILabel in 3D Slicer 案例1: 在腹部CT中自动分割脾脏。
2024-08-30 15:39:28
1873
原创 在3D slicer中使用MONAI Label 辅助标注提升标注速度-安装教程
CNN 是一种深度神经网络，是 3D Slicer 可用的深度学习图像分割工具背后的强大力量。虽然我们不会在本文中重新讨论 CNN 的细节，但 3D Slicer 的 MONAILabel 插件可以轻松实现多种不同的 CNN 网络结构来分割生物医学图像。我们将使用这些CNN模型作为即插即用模型，感兴趣的临床医生可以在其工作流程中根据需要使用这些模型，以便在想要分割图像时节省大量时间。
2024-08-30 15:36:18
2546
原创 使用 Monai Bundle 和 Model Zoo 对医学影像数据进行分类-全脑133个结构分割
MONAIModel Zoo提供了一系列由社区开发的医学影像模型，采用格式。Monai Bundle 允许您轻松获取任何来自 MONAI Model Zoo 的模型并将其导入 MONAILabel。Model Zoo提供的模型包括MRI脑肿瘤分割，CT肺结节检测，病理细胞核分割分类，CT胰腺分割，MRI前列腺分割，CT肾脏分割，CT脾脏分割，MRI脑切片生成等20几个模型。后面会用单独的篇幅分别介绍这些预训练模型的使用。
2024-08-30 15:17:04
2398
原创 成功解决 pycaret 中 ImportError: cannot import name ‘_format_load_msg‘
参考：https://github.com/crate/cratedb-examples/pull/401。发生标题错误，只需要将Joblib 1.4 版本降级至 1.3。我的pycaret 版本：3.0。
2024-08-25 12:02:09
349
原创 适合所有人的生成式人工智能-ChatGPT背后的AI技术
第二个例子，可能是我曾经工作过的一些公司最赚钱的应用，尽管不是最激动人心的，但对一些公司来说非常有利的在线广告，通过给定一则广告和有关用户的一些信息，人工智能系统可以生成与您是否点击该广告相关的输出B。给定一个输入，比如“I love eating”，这被称为prompt(提示词），LLM可以用“可能是带奶油芝士的百吉饼”来完成这个句子，或者如果你再运行它一次，它可能会说“我妈妈的肉l”，或者如果你再运行它第三次，也许它会说“和朋友一起”。在这个视频中，我们将深入探讨生成式人工智能技术的底层原理，
2024-08-14 10:04:26
749
基于matlab体绘制技术的医学影像三维重建
2018-02-07
Task09_Spleen.zip
2021-02-07
用机器学习算法对UCI上的三个数据集做预测
2018-02-07
英雄联盟所有英雄数据
2019-01-06
基于体绘制的头部三维重建，并用matlab界面展示结果
2018-02-07
MedNIST.zip
2021-02-05
使用粒子群算法求解最优问题
2018-02-07
王者荣耀所有英雄(mysql数据库文件)
2018-07-17
王者荣耀推荐装备(mysql数据库文件)
2018-07-17
王者荣耀所有皮肤(mysql数据库文件)
2018-07-17
王者荣耀召唤师技能(mysql数据库文件)
2018-07-17
王者荣耀英雄关系(mysql数据库文件)
2018-07-17
王者荣耀英雄所有技能(mysql数据库文件)
2018-07-17
王者荣耀所有铭文(mysql数据库文件)
2018-07-17
活鱼眼教程代码
2018-04-03
王者荣耀所有装备(mysql数据库文件)
2018-07-17
王者荣耀所有英雄的json文件
2018-07-17
活鱼眼教程代码2
2018-04-03
王者荣耀技能加点建议(mysql数据库文件)
2018-07-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人