我正在研究基于MRI(磁共振图像)模态实现自动分割。就我而言,前列腺区域是我的焦点。为了实现这一目标,我正在考虑以下步骤:1。图像采集(大约20多名患者MRI - DICOM,每位患者有大约15-30张切片图像,所有这些图像都是用于训练的数据集,你可以看到例子下面的数据集)
从这些数据集中,我正在考虑进行手动分割以达到前列腺区域(并且每个切片中的前列腺大小不一致),因此我可以获得任何前列腺的特征大小,如下所示。绿色的是前列腺的中央,红色的是前列腺的外围区域。
所以现在,我有所有切片的要素数据集,我已准备好训练它来创建分类器模型。
由于我仍然是MATLAB的绿色(对不起),我不知道训练数据集来创建可以检测前列腺区域(任何大小)的分类器,并自动给它一个边界。我应该使用分类器+分割算法(水平集/活动轮廓)来完成这项工作,还是只使用分类器算法才能完成这项工作?
我'学习对象检测算法,如; Haar-Like Feature,但可以清楚地表达所有这些(是的,我搞砸了)。如果有人能帮助我提出一个明确的想法,请指导我实现这一目标,我将非常感激。
非常感谢你
答案 0 :(得分:0)
我想你可以使用超像素获得良好的分割(SLIC是一种很好的生成方法),尤其是因为你的图像看起来并不是特别复杂。使用超像素构建分类器的常用方法是训练CRF以学习正确的分割。这是计算机视觉中一种相当常见的方法,看起来它应该可以很好地给出您的数据。此外,在Matlab中有很好的两种方法实现。