Procesamiento de imágenes médicas
La segmentación de imágenes es el foco del trabajo preliminar, y el software comercial se utiliza principalmente para completar la tarea de segmentación de imágenes: 3DMed (Instituto de Procesamiento Automatizado de Imágenes Médicas, Academia de Ciencias de China).
El software integra 6 complementos de algoritmo de segmentación. Según la documentación oficial, el algoritmo de crecimiento de región es particularmente adecuado para segmentar estructuras pequeñas como tumores y cicatrices. La siguiente es la imagen original 29189000016.dcm cargada. usando 3DMed:
El siguiente es el resultado de la segmentación de tumores usando el algoritmo de crecimiento de región:
Entre ellos, Valor diferente y Valor de cambio son los dos parámetros que controlan el crecimiento de la región A través de experimentos, se descubrió que seleccionar 2 y 10 es más efectivo.
El siguiente es el resultado guardado después de la segmentación:
3DMed guardará automáticamente el nombre del archivo de resultados como 29189000016_segmented.dcm.
Sin embargo, este algoritmo requiere interacción manual para obtener nodos semilla y el grado de automatización no es alto. Al mismo tiempo, el algoritmo de crecimiento de la región es sensible al ruido, lo que genera agujeros en las áreas extraídas o no se extrae correctamente el área de interés.
La extracción de características consiste en extraer algunos datos que describen las características del área del área segmentada. Este paso del trabajo utiliza dos métodos de exploración.
Utilice MATLAB para extraer características estadísticas básicas de uso común. Este método puede extraer características estadísticas de primer orden (que describen la distribución de los parámetros de aceleración en el área de interés, generalmente basándose en el análisis de histograma). En MATLAB, una descripción de área simple es la siguiente:
l Perímetro: la longitud del límite del área, es decir, el número de píxeles ubicados en el límite del área.
l Área: El número total de píxeles del área.
l Densidad: (Perímetro) 2/Área.
l El centroide de la región.
l Media en escala de grises: el promedio de todos los píxeles del área.
l Mediana en escala de grises: la mediana ordenada de todos los píxeles del área.
l El rectángulo más pequeño que contiene el área.
l Nivel de grises mínimo o máximo.
l El número de píxeles mayor o menor que la media.
l Número de Euler: El número de objetos en la región menos el número de agujeros en estos objetos.
La función regionprops(L, properties) en MATLAB se puede utilizar para calcular características de delimitación regional: primero use bwlabel(I, n) para etiquetar la imagen I con n (4 u 8) etiquetas conectadas y luego utilice regionprops() para realizar cálculos estadísticos.
Mazda es una herramienta de análisis de textura de imágenes que puede extraer automáticamente características de las imágenes. El siguiente es el resultado de cargar la segmentación usando Mazda:
El siguiente es el resultado de la extracción de características en el resultado de la segmentación:
La representación del nombre de la característica aún no se comprende completamente y está en estudio.
Mazda también puede extraer estadísticas de orden superior (es decir, agregar más filtros). El análisis de wavelet es un tipo de estadística de orden superior. Los siguientes son los resultados del análisis de wavelet:
> Al mismo tiempo, puede realizar manualmente la selección de funciones en Funciones y luego guardar los resultados de la selección.