c语言 图像如何加入泊松噪声_【图像分割应用】医学图像分割（一）——脑区域分割...

 

从本周开始，新专栏《图像分割应用》就跟大家见面了。本专栏主要介绍图像分割在各个领域的应用、难点、技术要求等常见问题。

本文是专栏《图像分割应用》的第1篇文章，首先来聊聊医学领域的图像分割之一：脑区域分割。

作者 | 孙叔桥

编辑 | 言有三

1 任务分析

医学领域中，为了满足病情诊断、治疗方案制定等需求，常常需要对病人进行扫描，从而确定各内部器官的情况。深度学习方法出现以前，这个过程主要是由医生直接完成。

尽管成熟医生的判断精度较高，但是培养这样的医生需要很长的周期；而且由于人会受到诸如精力限制、情绪波动等因素的影响，判断的精度存在不稳定性。因此，为了辅助诊断，减小误诊的概率，现阶段的医学图像分析中经常会借助深度学习的方法。

医学图像分割主要处理的是医学领域所涉及到的各种图像的分割问题，比如常见的核磁共振(MRI)扫描图像。其主要任务是，从这些医学图像中分割出兴趣区域，比如特定器官部位、兴趣目标(如肿瘤)等。

与日常生活中常见场景的分割任务不同，医学图像(如MRI图像)由于图像获取设备的影响，会出现对比度低、信噪比低、光强低等问题；且器官本身存在运动和形变(如心脏)，个体之间也有差异。这些因素导致了医学图像分割的难度和其自身的算法设计特点。