这个问题适用于那些在大脑图像上尝试过特征检测/匹配方法的人 - 它是一个广泛的，也许是一个坏的：
你怎么知道你使用的方法是否“足够好？”
成功的匹配/检测测试对您的数据有何影响？
编辑： 截至目前，我并没有试图特别发现任何明显的特征。 我正在使用OpenCV的ORB，SIFT，SURF等检测方法，并了解它们对功能的识别。 然而，有时候，大脑的方向完全改变了 几组图像到下一组，所以如果我比较这些组中的两个图像，检测方法将不会产生任何效果 结果（即匹配将明显地，完全关闭）。但是，如果我比较看起来相似但不相同的图像， 检测似乎工作正常。点是，似乎检测适用于围绕相同的帧 时间，但不是很长的时间间隔。我想知道是否有其他人遇到过此问题以及他们是否找到了检测方法 尽管事实仍然有用。
答案 0 :(得分：1)
首先，您应该指定要执行的实验的功能类型或目的。 特征提取本质上是高度主观的，这完全取决于您要处理的问题类型。没有适用于所有情况的通用特征提取方案。 例如，如果特征指出某些肿瘤分类或病变，那么当然可以使用不同的软件来提取和定义特征。
有多种方法可以检测与应用程序相关的功能： SURF算法（加快了鲁棒性） PLOFS：这是带有子集评估的快速包装方法。 ICA或'PCA
本文是有关脑MRI数据特征提取以进行组织分类的非常出色的评论： https://pdfs.semanticscholar.org/fabf/a96897dcb59ad9f04b5ff92bd15e1bd159ef.pdf
我发现本文非常了解o了解特征提取技术之间的区别。 https://www.sciencedirect.com/science/article/pii/S1877050918301297