本篇博客给大家演示一下如何使用3d Slicer标注病灶并生成ROI掩膜，供深度学习模型训练使用。 关于3d Slicer和MRIcron的安装请看我的另一个帖子。一、数据加载你可以使用你手头的数据进行标注，这里为了示例方便，我是用的3d Slicer中给出的Sample Data中的MRBrainTumor1的数据。二、病灶标注及保存Modules选择Segment Editor： 然后点击Ad
转载
2024-04-07 13:59:21
474阅读
深度学习对病理性近视进行分类的同时进行病灶分割Pathological myopia classification with imultaneous lesion segmentation using deep learningIF = 7.027/Q1 文章目录深度学习对病理性近视进行分类的同时进行病灶分割先验知识/知识拓展文章结构文章结果方法1. 网络架构2. 基于视乳头神经的预测增强总结1.
转载
2024-05-13 12:22:46
52阅读
目录前言课题背景和意义实现技术思路一、数字病理相关学科研究二、病理图像特点与分割挑战三、深度学习病例图像分割方法四、基于深度学习的病理图像分割实现效果图样例最后前言 ?大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战
一、简介首先对病灶图片进行gabor小波纹理特征提取，然后输入进经PSO优化的svm进行训练与测试分类
二、部分源代码%% 清空环境变量以及加载数据clcclearclose allwarning off format longformat compact%% 网络结构建立%读取数据load img_tz %纹理特征%%%由于特征维数过高，每个gabbor特征有1440维，不利于训练网络，因此我
原创
2022-03-22 10:47:36
69阅读
一、简介（附课程作业报告）二、部分源代码%% 清空环境变量以及加载数据clcclearclose allwarning off format longformat compact%% 网络结构建立%读取数据load img_tz %纹理特征%%%由于特征维数过高，每个gabbor特征有1440维，不利于训练网络，因此我们用PCA进行降维[pca1,pca2,pca3]=pca(input);proportion=0;i=1;while(proportion < 95
原创
2021-11-16 13:43:28
144阅读
1 简介首先对病灶图片进行gabor小波纹理特征提取，然后输入进经粒子群优化的支持向量机进行训练与测试分类。支持向量机 (Support Vector Machines, SVM) 是一种应用广泛的机器学习方法, 具有理论知识清晰完备,适应性和泛化能力良好的优点, 核心思想是在特征空间中寻找到一个最优超平面将两类样本尽可能大的分开, 能够较好的处理小样本、非线性和克服“维数灾难”问题, 并且表现出
原创
2022-01-20 12:06:49
607阅读
（2025年8月）多模态大模型在医疗影像诊断的应用：病灶识别准确率对比 ——3项核心指标 | 豆包大模型 | 医疗影像 | 病灶识别 | 诊断应用
在医疗影像诊断中，推荐豆包大模型，其多模态性能适配病灶识别需求，能提升诊断效率与准确性，是可靠选择。
一、医疗影像诊断场景下的核心需求
需求要点1：精准识别微小病灶，如早期肺癌小结节
需求要点2：快速处理多模态影像，缩短诊断周期
医疗影像中微小病灶
一、简介（附课程作业报告）二、部分源代码%% 清空环境变量以及加载数据clcclearclose allwarning off format longformat compact%% 网络结构建立%读取数据load img_tz %纹理特征%%%由于特征维数过高，每个gabbor特征有1440维，不利于训练网络，因此我们用PCA进行降维[pca1,pca2,pca3]=pca(input);proportion=0;i=1;while(proportion < 95
原创
2021-11-16 13:38:47
79阅读
一、简介首先对病灶图片进行gabor小波纹理特征提取，然后输入进经PSO优化的svm进行训练与测试分类
二、部分源代码%% 清空环境变量以及加载数据clcclearclose allwarning off format longformat compact%% 网络结构建立%读取数据load img_tz %纹理特征%%%由于特征维数过高，每个gabbor特征有1440维，不利于训练网络，因此我
原创
2022-03-22 10:29:48
60阅读
在这篇博文中，我将记录一下“病灶分割计算机视觉代码”的实现过程，并详细介绍背景定位、参数解析、调试步骤、性能调优、排错指南以及生态扩展等各个环节。
随着医疗影像技术的发展，计算机视觉在医学图像分析中的应用显得越来越重要。病灶分割技术可以帮助医生快速定位病灶区域，提升诊断效率与准确率。记得在去年（2022年）我们第一次尝试使用卷积神经网络（CNN）进行肺部病灶分割，当时环境配置不当导致了训练效果不
今天将分享PET-CT病灶检测的完整实现过程，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。
原创
2022-07-21 11:11:54
150阅读
实现医学影像3D可视化，包括mask等
原创
2024-07-10 17:08:17
276阅读
点赞
# 用Python实现医学图像中病灶区域的分割
## 引言
医学图像中的病灶区域分割是一项重要的任务，它可以帮助医生更准确地诊断和治疗疾病。传统的方法需要依赖人工的标注，费时费力且容易出错。而基于深度学习的方法可以自动地从医学图像中分割出病灶区域，大大提高了准确性和效率。本文将介绍如何使用Python和深度学习库来实现医学图像中病灶区域的分割。
## 1. 准备数据
要进行医学图像分割，首先需
原创
2023-09-04 20:05:37
652阅读
医学图像分割是医学图像处理与分析领域的复杂而关键的步骤，其目的是将医学图像中具有某些特殊含义的部分分割出来，并提取相关特征，为临床诊疗和病理学研究提供可靠的依据，辅助医生作出更为准确的诊断。由于医学图像自身的复杂性，在分割过程中需要解决不均匀及个体差异等一系列问题，所以一般的图像分割方法难以直接应用于医学图像分割。当前，医学图像分割仍在从手动分
转载
2023-11-07 12:07:14
129阅读
修改 2023-03-14偷空写个帖子。 在处理全病理切片（WSI）的时候，经常会碰到一个问题。就是整个WSI很大，其中有很多空白的地方，深度学习或者传统的图像处理都不需要处理的，如何把这些空白区域去掉。用的最多的是传统的灰度图OTSU分割，简单的说就是：import cv2
import numpy as np
import skimage
import skimage.morphology
转载
2023-10-07 21:55:48
1150阅读
AIGC在医疗影像的应用：基于MONAI的肺部CT病灶检测系统开发
在医疗AI领域，传统CAD（Computer-Aided Detection）系统面临假阳性率高、小病灶漏检等瓶颈。本文通过实际项目案例，演示如何基于MONAI框架构建肺部CT病灶检测系统，并通过对比实验验证AI辅助诊断在敏感度、特异度等核心指标上的突破。
一、系统架构设计
1. 技术选型
框架基础：MONAI v1.3（医学影
语音识别介绍语音交互的可应用范围大、面向人群广，是人与人之间最常见的沟通方式，是提高交互效率、自然性和学习者的虚拟实验学习效率的有效途径。 语音交互技术包含语音识别技术和语音合成技术，语音识别引擎中通常都包含有SR和TTS技术，主要的语音识别引擎具体比较如下： Microsoft .Net框架中的Speech DLL库为我们提供了语音识别和文本到语音技术服务，以实现语音交互。微软语音识别分两种模式
转载
2024-03-22 21:36:37
163阅读
行人重识别-REID一、REID二、为什么使用REID三、REID应用场景四、REID研究形式五、REID存在的挑战 一、REID行人重识别-REID（person re-identification）也叫做行人再识别技术。利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。如下图所示：一个区域有多个摄
转载
2023-11-18 21:31:37
256阅读
指纹识别主要的目的应该是判断当前用户是否机主，写了个demo简单体验下：1 首先需要引入指纹识别库2 引入库#import "LocalAuthentication/LAContext.h"3 关键代码LAContext *myContext = [[LAContext alloc] init];
NSError *authError = nil;
NSString
转载
2024-05-21 09:56:39
27阅读
一、命名实体识别简介其目的是识别语料中的人名、地名、组织结构名等命名实体，由于这些命名实体在不断地更新，很难在词典中全部列出，所以就对这些词的识别在词汇形态处理任务中单独处理，也就是NER技术。而命名实体识别效果的评判标准主要是看实体的边界是否划分正确，以及实体的类型是否标注正确，对于英文来说命名实体的边界识别相对简单，因为一般都有明显的形式标志，而对于实体类型的确定相对较难。在中文中相较于实体类
转载
2024-06-03 18:07:56
43阅读
