什么是医学图像分析
医学图像分析是从医学图像中提取有意义信息的过程，通常使用计算方法来进行。医学图像分析的一些任务是二维图像和三维体的可视化和探查，以及图像数据的分割、分类、配准和三维重建。用于此分析的图像可以从医学成像模态获得，例如 x 射线（二维和三维）、超声波、计算机断层扫描 (CT)、磁共振成像 (MRI)、核成像（PET 和 SPECT）和显微镜学。
您可使用 Medical Imaging Toolbox 加载并显示来自 PET 和 CT 的多模态医学图像。（参阅 MATLAB 文档。）
医学图像分析可能涉及对显微镜图像中的细胞计数与识别等任务。例如，您可以分析和检测细胞中的癌变异常。对于重复性或主观性任务，可采用计算方法实现医学图像分析的自动化和优化，消除人为错误导致的偏差。通过计算分析，您可以从坏死中分割肿瘤组织或测量血管中的氧饱和度。
从肿瘤组织的原始多分辨率图像生成的十个高分辨率块。MATLAB 支持对内存无法容纳的超大图像进行块处理，并基于此数据训练深度学习网络。（请参阅代码。）
通过应用医学图像分析方法，您可以基于 MRI 图像重建三维表示，以计算器官功能和其他诊断度量。
您可使用 Medical Imaging Toolbox 中的医学图像标注器和 MONAI 分割和分析脑部 MRI 扫描。（请参阅代码。）
医学图像分析算法可以应用于大量数据，例如从可穿戴设备采集的数字健康数据。这些算法可用于管理疾病健康风险，以及提升健康福祉。
使用 MATLAB 进行医学图像分析
MATLAB® 开发环境内置了分析与数据访问功能，可用于构建医学图像分析算法。使用 MATLAB，您能够：
- 解析、加载、可视化并处理 DICOM、NIfTI、NRRD 等医疗文件格式
- 可视化和探查二维图像和三维体
- 使用去噪、滤波、增强等预处理方法
- 使用可变形/不可变形配准功能及 App 对齐多个图像与三维体
- 处理超大型多分辨率和高分辨率图像
- 使用内置的图像标注与分割算法及 App 简化医学图像分析任务
- 创建、修改或迁移深度学习网络
在 MATLAB 中，您可使用医学图像标注器浏览二维图像和三维体。例如，您可以将人脑的 MRI 研究数据加载至医学图像标注器，可视化脑部结构，标注各区域并进行分割，然后分析是否存在异常。
Medical Imaging Toolbox 中医学图像标注器使用 MONAI 分割的脑部三维体数据。（请参阅代码。）
在数字病理学中，整个组织切片都经过成像和数字化。由此产生的整个切片图像 (WSI) 具有极高的分辨率。读取 WSI 是一项挑战，因为图像无法加载到内存中，因此需要核外的图像处理方法。MATLAB 的 bigimage 对象可以存储和处理这种类型的大型多分辨率图像。在加载图像后，您可使用 Cellpose 等工具进行细胞分割。
借助 Medical Imaging Toolbox，您可以执行块处理并使用 Cellpose 分割图像，如这张含肿瘤组织的淋巴结图像。（请参阅代码。）
使用 Medical Imaging Toolbox 中的医学图像配准器对齐多个三维体。（请参阅代码。）
使用 MATLAB，您还可使用深度学习方法对二维图像和三维体进行去噪、增强和分割。您可以设计和训练神经网络或使用预训练网络。
使用 MATLAB 在脑组织中分割的肿瘤图，左图采用标注的真实值，右图采用网络预测。（请参阅代码。）
示例和操作方法
视频与文章
示例
软件参考
另请参阅: 生物科学, 生物技术和医药, 医疗设备, 图像处理和计算机视觉
