Medical Imaging Toolbox には、画像診断アプリケーションを設計およびテストするためのアプリ、関数、およびワークフローが用意されています。3D レンダリングと可視化、様々なモダリティのレジストレーション、放射線画像のセグメンテーションとラベル付けを実行することができます。このツールボックスを使用すると、事前定義されたディープ ラーニング ネットワークに学習させることもできます (Deep Learning Toolbox を使用)。
X 線投影画像、コンピューター断層撮影 (CT)、磁気共鳴画像 (MRI)、超音波 (US)、核医学 (PET、SPECT) など、様々な画像モダリティから放射線画像をインポート、前処理、解析することができます。医用画像ラベラーアプリを使用すると、AI ワークフローで使用する 2D および 3D のラベル付けを半自動化することができます。2D 画像、3D 表面、3D ボリュームなどの医用画像に様々なモダリティのレジストレーションを実行することができます。このツールボックスには、エンドツーエンドのコンピューター支援診断と医用画像解析のための統合環境が用意されています。
医用画像データのインポート
DICOM、NIfTI、NRRD などの特殊な医療ファイル形式から画像データとメタデータを読み取ります。これらのファイルには、患者、画像処理手順、空間参照の情報を記述したデータが格納されています。
ドキュメンテーション | 例
グラウンドトゥルースのラベル付け
医用画像ラベラーアプリを使用して、グラウンド トゥルース データの対話的なラベル付け、ラベル付けプロセスの半自動化または自動化、AI ワークフロー用のラベル付けされたデータのエクスポートを行います。
ドキュメンテーション | 例
前処理と拡張
前処理手法を使用して画質を改善します。また、ランダムな強度拡張を使用してトレーニング データセットを拡大し、ディープ ラーニング ネットワークの有効性を改善します。
ドキュメンテーション | 例
セグメンテーション
従来の手法またはディープラーニング手法を使用して、2D 画像または 3D ボリュームを骨、腫瘍、臓器などの領域にセグメント化し、領域の精度を評価します。
ドキュメンテーション | 例
製品リソース:
ディープラーニングによる医用超音波画像からの甲状腺結節の診断
著者: Eunjung Lee, School of Mathematics and Computing (CSE), Yonsei University
あなたは学生ですか?
ご所属の学校にはすでに Campus-Wide License が導入されていて、MATLAB、Simulink、その他のアドオン製品を利用できる可能性があります。