定了图像语义分割这个方向大概有半年多了,具体研究课题方向是基于深度学习的医学图像分割。这里作一个简要的阶段性小结。
一、医学图像的突出特征
总体上来说,医学图像相比于自然图像(通过可见光成像)有以下四点区别:
1、医学图像的模态(格式)更加多样化,如X-ray、CT、MRI以及超声等等,当然也包括一些常见的RGB图像(如眼底视网膜图像)。不同模态图像反应的信息侧重点是不一样的。比如X-ray观察骨骼更清晰,CT可以反应组织和器官出血,MRI适合观察软组织。而且不同型号的成像设备得到的成像结果有一定差异。
2、医学图像的像素值范围与自然图像(0~255)有很大差别,如CT一般会上千。
3、噪声。由于成像设备、成像原理以及个体自身差异的影响,医学图像一般会含有很多噪声。由于噪声对于位置和空间约束是独立的,从而可以利用噪声的分布来实现降噪,但是在抑制噪声的同时也需要考虑图像细节的保留问题。
4、伪影。伪影一般是在图像配准或三维重建时产生(如CT),从原理上来,只能减少,无法消除。
举个栗子,下图为一肺部CT图像切片可视化结果,已经过预处理转化为灰度图像,组织与器官之间的分界线比较模糊。图二为不同个体的脑MRI图像,可见差异巨大,这给脑组织提取带来了很