处理医学图像程序收集记录-20201102

医学图像处理
最新推荐文章于 2025-09-20 16:59:13 发布
原创 最新推荐文章于 2025-09-20 16:59:13 发布 · 158 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

医学图像开源数据集汇总（二）
极市平台的技术博客
06-20 5939
深度学习开源数据集汇总
数字图像处理3rd - Chapter 1 - 2
guoqx的专栏
02-19 2140
1.2The Origins of Digital Image Processing 1.2 数字图像处理的起源 One of the first applications of digital images was in the newspaper industry, when pictures were first sent by submarine cable between London and New York. Introduction of the Bartlane cable pict.
无法安装或运行此应用程序。该应用程序要求首先在“全局程序集缓存(GAC)”中安装程序集stdole版本7.0.3300.0...
yge757gi
01-17 779
无法安装或运行此应用程序。该应用程序要求首先在“全局程序集缓存(GAC)”中安装程序集stdole版本7.0.3300.0 2011年12月21日 　　windows系统中目录 window\assembly 目录是全局程序集缓存（GAC）程序集目录！ 　　字NET环境下我们的程序经常会出现类似于下面这样的错误提示信息，那是因为缺少一些NET程序集或某些动态库连接文件。 　　错误信息...
医疗图像处理2023：Transformers in medical imaging: A survey
m0_47588836的博客
05-28 5414
我们研究了transformer在医学图像分割、检测、分类、恢复、合成、配准、临床报告生成等任务中的应用。特别是，对于这些应用程序中的每一个，我们都开发了分类，确定了特定于应用程序的挑战，并提供了解决这些挑战的见解，并强调了最近的趋势。此外，我们对该领域的整体现状进行了批判性的讨论，包括确定关键挑战，开放问题，并概述了有希望的未来方向。
16、远程乳腺摄影与医学图像处理：乳腺癌早期检测的新途径
efc12345678的博客
08-18 26
本文探讨了远程乳腺摄影与医学图像处理在乳腺癌早期检测中的应用。通过比较MLP NN、K近邻、随机森林和决策树等分类器在MIAS数据库上的性能，发现多层感知器神经网络在灵敏度、特异度和精确率方面表现最优。文章还回顾了医学图像处理的发展历程，分析了主要成像技术及其应用，并讨论了当前面临的挑战，如图像质量提升、自动化实现和应用范围扩展。最后展望了多模态融合、个性化医疗和智能诊断系统等未来发展方向。
flask毕设医学图像管理平台（程序+论文）
zhihao501的博客
12-26 764
因此，本选题将以医学图像管理平台为研究情景，重点分析和研究如何构建一个高效、统一、易于扩展的医学图像管理系统，以期探寻医学图像管理问题的原因及解决方案，为后续更加深入的研究提供基础。理论意义在于，本研究将深入剖析医学图像管理的核心需求，探讨图像处理、分类、存储及检索等关键技术，为医学图像管理平台的构建提供理论支撑。现实实践意义则在于，通过构建一个统一的医学图像管理平台，可以有效解决当前医学图像管理存在的问题，提高图像检索效率，促进医学图像资源的共享与利用，进而提升医疗服务质量和科研水平。
医学成像系列:医学图像噪声
图像算法Imalg的博客
09-06 1万+
介绍和概述 通常希望图像亮度（或膜密度）是均匀的，除非它改变以形成图像。然而，有些因素即使在不存在图像细节时也倾向于产生所显示图像的亮度的变化。这种变化通常是随机的，没有特定的模式。在许多情况下，它降低了图像质量，并且当被成像的物体很小并且具有相对低的对比度时尤其显着。图像亮度的这种随机变化被指定为 噪声。 所有医学图像都包含一些视觉噪音。噪声的存在使图像具有斑驳，颗粒状，纹理或雪花的外观。下...
医学图像彩色化相关--20201208论文笔记Bridging the gap between Natural and Medical Images through Deep Colorization
OpenSceneGraph的博客
12-08 942
4. Bridging the gap between Natural and Medical Images through Deep Colorization 摘要：深度学习通过在大规模数据集上进行训练而蓬勃发展。但在医学图像诊断的许多应用中，由于隐私性、采集同质性差、标注成本高等原因，仍然无法获取大量数据。在这种情况下，从自然图像集合中转移学习是一种标准做法，它试图通过预先训练的模型微调来一次性处理形状、纹理和颜色差异。在这项工作中，我们建议解开这些挑战，并设计一个专门的网络模块，侧重于颜色适应。我们
医学图像处理（一）使用U-Net进行MRI的肝脏分割
热门推荐
qq_34003876的博客
08-06 2万+
医学图像处理（一）使用U-Net进行MRI的肝脏分割数据集搜集训练集和测试集划分问题一： 测试集不包括GroundTruth问题二：T1和T2的数据能一起训练吗？问题三： T1的图像在文件夹中分成了InPhase和OutPhase，这个有什么区别？分离出肝脏将dicom文件转换为png格式数据增强U-net网络搭建自定义DatasetMain.py实验结果总结 图像分割小白一枚，之前接到一个MRI图像肝脏分割的任务。对于医学图像分割，第一想到的就是Unet. Unet在2015的MICCAI上首次提出，在医
5、医疗数据处理与医学图像处理全解析
alice7model的博客
09-20 41
本文全面解析了医疗数据处理与医学图像处理的关键技术，涵盖生物医学信号的数据格式（如EDF、BDF、GDF）、数据增强方法（包括GAN和GPT模型）、数据标注流程、数据清洗策略（统计与机器学习方法）以及数据归一化技术。同时介绍了常见医学图像模态（如CT、X射线、MRI等）的应用与优缺点，并深入探讨了医学图像的增强、去噪与分割方法。最后总结了各环节的核心知识点，展望了人工智能在医疗领域的应用前景。
41、数值积分与医学图像数据处理技术
最新发布
q6r7s8t9的博客
09-20 43
本文介绍了数值积分领域的一种新计算技术，通过引入拉伸参数优化节点分布，有效提升对高振荡函数的积分精度，并给出了误差分析与Maple实现程序。同时，提出一种基于协作生成对抗网络（GAN）与递归神经网络（RNN）的医学图像缺失数据填补算法，将图像插补转化为跨域图像翻译任务，利用SRN和LSTM结构增强序列建模能力，在脑室、海马体等关键区域表现出优于传统方法的恢复精度。文章还对算法性能进行了初步评估，并展望了该技术在复杂积分问题、医学先验知识融合及金融、生物学等跨领域的应用前景。
6、医学图像语义计算与双语语言处理研究
c6d7e8f9g的博客
06-15 40
本博文探讨了医学图像语义计算与双语语言处理的研究进展。在医学图像语义计算中，潜在语义树模型展现出了在标注文本中的高效匹配度和较低计算量，但其核心单词选择仍需优化以提高稳定性。双语语言处理研究揭示了L1和L2在单词与句子语境下的神经机制差异，支持了显式与隐式记忆系统的作用，并对语言教学和脑机接口应用具有启示。此外，基于ARM9的人工耳蜗语音处理器为听力障碍患者提供了新的康复方案，未来将在性能提升和功能拓展方面进一步发展。这些研究为医学、语言学和康复工程领域提供了重要的理论支持和技术方向。
210812-Matlab获得图像中鼠标点击坐标
csdnxiekai的博客
08-12 3941
引言 Matlab图像处理中，有时需要获得鼠标在图像中点击的坐标值，以下是调用代码。 代码如下： function [x,y]=get_cursor_value(image,title_name) % img=dicomread(image); fig=figure; imshow(image,[]) title(title_name); title(title_name,'Interpreter','none') set(gcf,'position',[0,
210918-放疗gamma通过率matlab代码
csdnxiekai的博客
09-18 2053
引文：放疗中常用通过率，一种是使用matrixx软件(比较平面)，ArcCheck软件(比较探头所在平面)，另一种是使用代码，这里仍然来自Niubi高，做此记录，不然下次就找不到了。 gamma2.m function [Ir,r] = gamma2(img,I,ra,dta,ps) %绝对剂量伽马分析；img为参考剂量分布图，I为计算剂量分布，Ir为gamma因子分布，r为通过率,ps为pixelspacing maximg=double(max(img(:))); %小数除以整数会得到错误结果 [sx,
CT dicom 5mm层厚插值成1mm-20201110
csdnxiekai的博客
11-10 2000
放射科的CT大多数是5 mm，有时需要插值成1 mm，这里是医工所的曹老师写的代码，在此做个记录，学习一下。 clear;clc; %程序功能：读取dicom文件，并将其插值为1mm folderPath = 'Y180521\'; outFolderPath = 'out\'; folderInfo = dir(folderPath); fileNum = size(folderInfo,1)-2; outFileNum = 0; fileIndex = []; instanceNumber = [];
医学图像重采样resample记录(220825补充matlab resample)-20201102
csdnxiekai的博客
11-02 1761
医学影像重采样 利用simpleITK: import SimpleITK as sitk """ resample """ def resampleVolume(outspacing,vol): """ 将体数据重采样的指定的spacing大小\n paras： outpacing：指定的spacing，例如[1,1,1] vol：sitk读取的image信息，这里是体数据\n return：重采样后的数据 """ outsize = [0
CT dicom去除床板并保留手臂-20201110
csdnxiekai的博客
11-10 1638
在二维CT dicom去除床板时，当手臂与身体分开时，手臂也会消失，这里代码来至niubi Gao，做此记录。 function [img3d]=read3DCT(rootdir) %读取CT或者CBCT到三维矩阵 if rootdir(end)~='\' rootdir=[rootdir,'\']; end iname=dir(rootdir); n=length(iname)-2; y(n)=0; for i=1:n filename=[rootdir,iname(i+2).name];
210812-dicom文件排序并重命名
csdnxiekai的博客
08-12 1325
引言 默写情况下，dcm文件导出后虽然名字为1001.dcm，1002.dcm，…，但是并非连续的，1002.dcm可能是第10层，为了后续后处理，前期可以将dcm文件序号和层数对应上 代码如下： clc;clear;close all; %% patients = dir('data_czey/Y*'); for ii = 1:numel(patients) % 遍历病人 patientname = patients(ii).name; disp(['----------------
210918-使用matlab借助其他dcm头文件写入dicom（输出文件名排序sort_nat）
csdnxiekai的博客
09-18 1228
引文：前阵子林老师使用双能CT，导出文件Monaco导入报错，但在软件上可以正常读出，原因是方向[1,0,0,0,1,0]改动了，变成[0.999,0,0.01,0,0.99,0.01]这样。直接改回成[1,0,0,0,1,0]仍不能导入monaco，于是借尸还魂，使用替他头文件写入。 PS：先用ImageJ检测dcm顺序与图像顺序是否统一，不然需要做resort操作。我另一篇文章写过。 clc; clear all ; close all; %% for j = 1:5 path = ['G:\0
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值