CT图像的重采样 |
您所在的位置:网站首页 › 重采样的意义 › CT图像的重采样 |
CT图像的预处理操作一般包括以下几步: step1:spacing interpolation step2:window transform step3:get mask effective range step:generate subimage 配套github代码 各步骤意义: step1:spacing interpolation 用插值(interpolation)一词可能不太准确,较准确的叫法是重采样(resampling),另外取决于不同的工具包,还有zoom,resize两个称呼。 对于不同的数据类型重采样的方法和目的都不相同。例如在遥感中,重采样是从高分辨率遥感影像中提取出低分辨率影像的过程,在医疗图像中,重采样是指将医疗图像中大小不同的体素归一化到相同的大小。体素是体积元素(Volume Pixel)的简称,一张3D医疗图像可以看成是由若干个体素构成的,体素是一张3D医疗图像在空间上的最小单元。 因为CT图像中,不同扫描面的像素尺寸、粗细粒度是不同的,这不利于进行CNN任务,所以需要使用同构采样。 step2: window transform 窗宽窗位的变换,主要是为了视觉上的清晰,具体可参见CT图像的预处理。有人会用cut off,即HU值截断来代替此步,我一直用的window transform,因为无需分析整个数据集cut off所必须的截断值。在此步还可顺便做归一化操作,这一步也是必不可少的。归一化操作和零值中心化的操作主要是为了后续训练网络,零值中心化是网络收敛的关键。具体的归一化操作,有很多的变种,可自行查资料。 step3:get mask effective range 获取Slices的有效范围,即去除整个序列中前后几张没有任何器官的Slices。 step4:generate subimage 获取小的patch,即根据手头的GPU可以接受的大小,用滑窗法从原始图像中获得小patch。 本文主要讲述重采样操作 重采样可分为两种方案,具体操作步骤并无太大差异:
参考: 医学图像预处理之重采样 Python SimpleItk库的医学图像重采样(resample)实现代码 医学影像重采样 常见医疗扫描图像处理步骤 MICCAI 2019肾&肿瘤分割挑战赛第一名方案学习笔记 KITS+肾脏肿瘤预处理+重采样+窗体变换+强度裁剪 三种图像插值方式对比 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |