의료 영상 처리

이미지 분할은 예비 작업의 초점이며, 기성 소프트웨어는 주로 이미지 분할 작업을 완료하는 데 사용됩니다: 3DMed(중국과학원 자동 의료 영상 처리 연구소).

이 소프트웨어는 6개의 분할 알고리즘 플러그인을 통합합니다. 공식 문서에 따르면 영역 성장 알고리즘은 종양 및 흉터와 같은 작은 구조를 분할하는 데 특히 적합합니다. 다음은 로드된 원본 29189000016.dcm 이미지입니다. 3DMed를 사용하여:

다음은 영역 성장 알고리즘을 사용하여 종양을 분할한 결과입니다.

그 중 Different Value와 Change Value는 영역의 성장을 제어하는 ​​두 가지 매개변수입니다. 실험을 통해 2와 10을 선택하는 것이 더 효과적인 것으로 나타났습니다.

분할 후 저장된 결과는 다음과 같습니다.

3DMed는 자동으로 결과 파일 이름을 29189000016_segmented.dcm으로 저장합니다.

하지만 이 알고리즘은 시드 노드를 얻기 위해 수동 상호 작용이 필요하며 자동화 수준은 높지 않습니다. 동시에 영역 성장 알고리즘은 노이즈에 민감하여 추출된 영역에 홀이 생기거나 관심 영역을 올바르게 추출하지 못하는 문제가 발생합니다.

특징 추출은 분할된 영역에서 해당 영역의 특성을 설명하는 일부 데이터를 추출하는 작업입니다. 이 작업 단계에서는 두 가지 탐색 방법을 사용합니다.

MATLAB을 사용하여 일반적으로 사용되는 기본 통계 특징을 추출합니다. 이 방법은 1차 통계 특징(일반적으로 히스토그램 분석을 기반으로 관심 영역의 속도 향상 매개변수 분포를 설명)을 추출할 수 있습니다. MATLAB에서 간단한 영역 설명은 다음과 같습니다.

l 경계: 영역 경계의 길이, 즉 영역 경계에 위치한 픽셀 수입니다.

l 영역: 영역의 총 픽셀 수입니다.

l 밀도: (둘레) 2/면적.

l 지역의 중심입니다.

l 회색조 평균: 해당 영역에 있는 모든 픽셀의 평균입니다.

l 회색조 중앙값: 해당 영역에 있는 모든 픽셀의 정렬된 중앙값입니다.

l 영역을 포함하는 가장 작은 직사각형입니다.

l 최소 또는 최대 회색 레벨.

l 평균보다 크거나 작은 픽셀 수입니다.

l 오일러 수: 해당 영역에 있는 개체 수에서 해당 개체에 있는 구멍 수를 뺀 값입니다.

MATLAB의 Regionprops(L, Properties) 함수는 지역 구분 특징을 계산하는 데 사용할 수 있습니다. 먼저 bwlabel(I, n)을 사용하여 n(4 또는 8)개의 연결된 레이블로 이미지 I에 레이블을 지정한 다음 통계 계산을 수행하려면 Regionprops( )를 사용하십시오.

Mazda는 이미지에서 자동으로 특징을 추출할 수 있는 이미지 질감 분석 도구입니다. 다음은 Mazda를 사용하여 분할을 로드한 결과입니다.

분할 결과에서 특징을 추출한 결과는 다음과 같습니다.

Feature 이름의 표현은 아직 완전히 이해되지 않았습니다. 그리고 연구 중입니다.

Mazda는 고차 통계 추출(즉, 필터 추가)도 가능합니다. 웨이블릿 분석은 고차 통계의 일종입니다.

동시에 기능에서 기능 선택을 수동으로 수행한 다음 선택 결과를 저장할 수 있습니다.