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)Algorithm matlab-如何基于MRI检测图像的特定区域?,algorithm,matlab,Algorithm,Matlab,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
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!