Image processing 如何使用小波分解进行特征提取(用于功能磁共振成像图像)?

Image processing 如何使用小波分解进行特征提取(用于功能磁共振成像图像)?,image-processing,machine-learning,signal-processing,feature-extraction,wavelet-transform,Image Processing,Machine Learning,Signal Processing,Feature Extraction,Wavelet Transform,我有一个由功能磁共振图像(来自小鼠)组成的数据集,这些图像分为4组(应用不同的药物剂量水平)。每个功能磁共振成像图像都是4D的,这意味着每个体素都是一个时间序列。对于每个功能磁共振成像图像,我想提取一个特征向量 现在我想使用小波分解进行特征提取。在Matlab中不存在4D小波分解,所以我通过取时间序列的平均值将4D图像转化为3D图像。然后我可以应用3D小波分解,并将LL组件作为特征,这意味着要做类似的事情: WT = wavedec3(fMRI, 4, 'db4'); LL = WT.dec(1

我有一个由功能磁共振图像(来自小鼠)组成的数据集,这些图像分为4组(应用不同的药物剂量水平)。每个功能磁共振成像图像都是4D的,这意味着每个体素都是一个时间序列。对于每个功能磁共振成像图像,我想提取一个特征向量

现在我想使用小波分解进行特征提取。在Matlab中不存在4D小波分解,所以我通过取时间序列的平均值将4D图像转化为3D图像。然后我可以应用3D小波分解,并将LL组件作为特征,这意味着要做类似的事情:

WT = wavedec3(fMRI, 4, 'db4');
LL = WT.dec(1);
temp = cell2mat(LL);
feature_vector = temp(:);
当然,之后特征选择算法(如递归特征消除)可以应用于降维


你认为这种方法怎么样?有更好的方法吗

你的图像对齐了吗?我猜药物剂量图像之间的强度差异是你想要捕捉的。是的,图像对齐了。你的图像对齐了吗?我猜药物剂量图像之间的强度差异是你想要捕捉的。是的,图像是对齐的。