鱼C论坛

 找回密码
 立即注册
查看: 21|回复: 2

[图像工具] 3. 医学人工智能—图像分割【任务及模型介绍】

[复制链接]
发表于 2 小时前 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
1. 目标
核磁共振成像的图像分割,进行肿瘤识别
核磁共振图像特点:是有多个序列图片组成1张诊断图,可以将不同的序列看成不同的channel(CNN概念里的),最终组合成1张图像
下载 (70).png


2. 挑战
某一个序列上的位置有旋转的话,多序列图片拼接在一起就会出现无法对齐的情况,影响识别
解决方案,使用图片配准

图像配准:将不同时间、不同传感器、不同视角拍摄的同一场景 / 物体的多幅图像,通过几何变换对齐到同一坐标系的过程。
其中固定的基准图叫参考图像,需要调整的叫浮动 / 待配准图像。
最终目标是让对应像素 / 结构精准重合,便于后续融合、分析、对比。

下载 (69).png



3. 识别方法
①二维方法:对每一维度上的图片进行分割,然后再在多个通道上进行整合

缺点:容易流失三维数据,比如上个序列的图片上有肿瘤信息,不能传递给下个序列上,导致上下文信息丢失



②三维方法
问题:我们不能一次性将全部图片信息传输进模型中进行识别,因为医疗影像数据大(有几百MB),会占用很多内存和计算。
方法:将原始的三维信息,分割成一个个小的三维信息块,再输送到模型中
缺点:空间信息缺失,切分后的三维信息块,缺失了上下左右空间的信息。
下载 (72).png



4. 常用模型
UNet分割模型
优势:对于一个医学的分割问题,即使只有几百个数据,也会有不错的数据表现
下载 (73).png
下载 (74).png


5. 损失函数
Soft Dice Loss
下载 (75).png



                                                               


评分

参与人数 1荣誉 +2 贡献 +3 C币 +3 收起 理由
不二如是 + 2 + 3 + 3 鱼C有你更精彩^_^

查看全部评分

小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2 小时前 | 显示全部楼层
医学图像分割任务介绍:核磁共振成像(MRI)肿瘤识别

核磁共振图像通常由多个序列的图片组成,可以将其视为具有多个“通道”(channel)的单张图像。我们的目标是将图像中的肿瘤区域准确地分割(识别)出来。

主要挑战:由于拍摄时可能存在位置旋转,不同序列的图片在拼接时可能出现无法对齐的情况,这会影响识别准确率。
解决方案:使用图像配准技术,将待配准的图像通过几何变换对齐到参考图像的坐标系,使对应结构精准重合。

两种识别方法:
  • 二维方法
    对每个序列(每个通道)的二维图片单独进行分割,再将结果整合。
    缺点:容易丢失序列间的三维上下文信息。例如,某个序列的肿瘤特征无法传递给其他序列。


[list=2]
  • 三维方法
    将三维数据整体输入模型进行分割。
    问题:医疗影像数据量巨大(可达几百MB),直接输入会占用过多内存和计算资源。
    常用方法:将原始三维数据切割成多个小块(三维信息块)分批输入。
    缺点:切割可能导致块与块之间的空间信息(上下左右关系)缺失。


    常用模型:UNet分割模型。
    优势:即使在仅有几百个训练样本的情况下,也能取得不错的分割效果。

    常用损失函数:Soft Dice Loss,常用于衡量模型预测的分割区域与真实区域的重叠程度。


  • 以上回复来自 FishC AI 小助理,如未能正确解答您的问题,请继续追问。
    小甲鱼最新课程 -> https://ilovefishc.com
    回复 支持 反对

    使用道具 举报

    发表于 1 小时前 | 显示全部楼层
    学习!
    小甲鱼最新课程 -> https://ilovefishc.com
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则

    小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

    GMT+8, 2026-3-15 20:12

    Powered by Discuz! X3.4

    © 2001-2023 Discuz! Team.

    快速回复 返回顶部 返回列表