
医疗图像
介绍一些基于深度学习的医疗图像翻译、分割以及领域自适应模型
YYLin-AI
这个作者很懒,什么都没留下…
展开
-
医学图像预处理之可视化
1 前言本文介绍两种医疗图像可视化的方案,一种是直接使用ITK-SNAP从冠状面、矢状面、横断面,另一种是使用python+SimpleITK将后缀名为.nii.gz转化成jgp的形式进行保存。原创 2020-12-30 19:26:19 · 7661 阅读 · 0 评论 -
医疗图像翻译预备知识之不同类型的肿瘤
1 前言CT检查是现代一种较先进的医学影像检查技术。CT检查不仅能够可以显示肝内占位性病变、原发性肝癌或转移性肝癌的形态、轮廓、坏死、出血及生长方式等,还可以了解胆、胰、肾等脏器的情况,所以慢性肝炎、肝硬化并存在可疑病变或肝癌的患者,则有做CT检查的必要。但是有些肝脏的癌变细胞例如局灶性结节性增生(Focal Nodular Hyperplasia,FNH)、肝细胞肝癌(Hepatocellular carcinoma,HCC),其和正常组织相比差异性不大,因此医生并不能通过一般的CT检查就给出判断患者原创 2020-12-28 20:45:49 · 891 阅读 · 0 评论 -
医疗图像预处理之图像配准
1 前言图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等。以医学图像为例,对于同一患者,可以采集含有准确解剖信息的图像诸如CT,MRI;同时,也可以采集到含有功能信息的图像诸如SPECT。然而,通过观察不同的图像进行诊断需要凭着空间想象和医生的主观经验。采用正确的图像配准方法则可以将多种多样的信息准确地融合到同一图像中,使医生更方便更精确地从各个角度观察病灶和结构。同时,通过对不原创 2020-12-28 10:33:10 · 4991 阅读 · 0 评论 -
医学图像预处理之重采样
1 前言对于不同的数据类型重采样的方法和目的都不相同。例如在遥感中,重采样是从高分辨率遥感影像中提取出低分辨率影像的过程;在数据挖掘中,重采样是指为了解决训练数据类别不均衡,通过在训练期间通过增加小样本的数量或者减少大样本的数量保持样本类别均衡的算法;在医疗图像中,重采样是指将医疗图像中大小不同的体素归一化到相同的大小。体素是体积元素(Volume Pixel)的简称,一张3D医疗图像可以看成是由若干个体素构成的,体素是一张3D医疗图像在空间上的最小单元,具体解释可见上一篇博客。本文主要包含两个部.原创 2020-12-27 19:40:00 · 15565 阅读 · 8 评论 -
医学图像预处理之CT成像原理
1 前言本篇文章主要包含两个部分:1、医学成像原理的介绍;2、医学图像重采样原理以及代码分析。1.1 医学成像原理现代医学成像包含的方法有很多,例如超声,核磁共振成像(Magnetic Resonance Imaging,MRI )以及X射线断层成像(Computed Tomography,CT)。本节主要介绍X射线成像原理以及如何通过CT设备得到对应的3D医学图像。1.1.1 X射线成像原理X射线之所以能使人体组织在荧屏上形成影像,主要是由于人体不同组织之间有密度和厚度的差..原创 2020-12-26 21:18:42 · 8588 阅读 · 1 评论