Algorithm matlab-如何基于MRI检测图像的特定区域？

我正在研究基于MRI（磁共振图像）模型实现自动分割。对我来说，前列腺区域是我的重点。为了实现这一点，我考虑了以下步骤：1。图像采集（大约20多名患者的MRI-DICOM，每个患者大约有15-30张切片图像，所有这些图像都是用于训练的数据集，您可以看到下面的数据集示例）

从这些数据集中，我想进行手动分割，目的是得到前列腺区域（每个切片中前列腺的大小不一致），因此我可以得到任何大小的前列腺特征，如下图所示。绿色的是前列腺中央，红色的是前列腺周围带

现在，我有了所有切片的特征数据集，我已经准备好训练它来创建分类器模型

?

由于我还是MATLAB的新手（对此表示抱歉），我不知道如何训练数据集来创建能够检测前列腺区域（任何大小）的分类器，并自动给它一个边界。我应该使用分类器+分割算法（水平集/活动轮廓）来完成这项工作，还是只有使用分类器算法才能完成这项工作

我正在学习目标检测算法，例如；哈尔喜欢的功能，但可以得到所有这一切清楚（是的，我搞砸了）。如果有人能帮我给出一个清晰的想法，并指导我实现这一目标，我将非常感激

---

非常感谢您

我想您可以使用超级像素（SLIC是生成这些像素的好方法），尤其是因为您的图像看起来并不特别复杂。使用超级像素构建分类器的常用方法是训练CRF学习正确的分割。这是计算机视觉中一种相当常见的方法，考虑到您的数据，它看起来应该会做得很好。此外，这两种方法在Matlab中都有很好的实现。

恐怕这个问题对于堆栈溢出来说太广泛了，您要求我们为您总结一个完整的研究领域。我建议您首先选择要使用的算法，然后尝试在线查找该算法的matlab代码示例，并尝试修改该代码以满足您的需要。如果你在修改软件的过程中遇到困难，你可能会有一个问题，但现在你必须首先自己深入研究一些分割算法。好吧，这只是一个概念，但如果你正在寻找一个非常简单的解决方案，你可以利用这个事实，唯一不在灰度中的区域是你的彩色边框。因此，消除边界并获得边界区域的坐标并不复杂。这对你来说够了吗？非常感谢你的建议！通过证实，SLIC是简单的线性迭代聚类超像素，CRF是条件随机场，对吗？所以SLIC超级像素将进行分割，并准备一个特定的ROI（手动选择），CRF将训练这些ROI来构建一个分类器，可以指定感兴趣的概率区域，对吗？太好了！但就我所读到的，有超像素和超体素，这两者在实现上有什么区别吗？解释了像素和体素之间的区别：。所以，是的，如果你在实现SLIC，生成超像素和超体素之间会有区别。再次，非常感谢！你让我开心！