Medical Imaging Toolbox

 

Medical Imaging Toolbox

Visualisierung, Registrierung, Segmentierung und Kennzeichnung von zwei- und dreidimensionalen medizinischen Bildern

Funktionen, Dokumentation und Beispiele

Die medizinische Bildgebung ist ein Gebiet der Medizin, in dem verschiedene Techniken angewendet werden, um das Innere von Menschen und Tieren abzubilden, zu visualisieren und zu analysieren. Dadurch wird es Ärzten ermöglicht, Organe, Knochen, Zellen und diverse physiologische Prozesse zu visualisieren und so Krankheiten zu diagnostizieren, zu überwachen und zu behandeln. Bilder werden in verschiedenen radiologischen Verfahren generiert, z. B. Röntgen, Ultraschall, CT, MRT und Bildgebung mittels Radionukliden; Mikroskope kommen in der Pathologie zum Einsatz.

Import von medizinischen Bildgebungsdaten

Die Bild- und Metadaten werden aus speziellen medizinischen Dateiformaten wie DICOM, NIfTI und NRRD gelesen. In diesen Formaten werden Daten gespeichert, die den Patienten, das bildgebende Verfahren und die räumliche Referenzierung beschreiben.

Visualisierung von 2D-Bildern und 3D-Volumina

Nutzen Sie interaktive Tools zur Visualisierung von medizinischen 2D- und 3D-Bilddaten. Generieren und rendern Sie 3D-Flächen und Volumen.

Ground-Truth-Annotation

Verwenden Sie die Medical Image Labeler-App, um Ground-Truth-Daten interaktiv zu kennzeichnen, den Kennzeichnungsprozess zu teilautomatisieren oder gar vollständig zu automatisieren und die gekennzeichneten Daten für KI-Workflows zu exportieren.

Vorverarbeitung und Optimierung

Mithilfe von Vorverarbeitungsmethoden wird die Bildqualität verbessert und die Effektivität von Deep-Learning-Netzen durch eine Erweiterung verbessert, um den Trainingsdatensatz zu erweitern.

Registrierung von medizinischen Bildern

Vergleichen Sie multimodale medizinische Bilder, Volumen oder Oberflächen mithilfe der Bildregistrierung, um sie an einem gemeinsamen Koordinatensystem auszurichten.

Segmentierung

Segmentieren Sie 2D-Bilder oder 3D-Volumina in bestimmte Regionen, wie z. B. Knochen, Tumore oder Organe, mithilfe von klassischen oder Deep-Learning-Techniken und evaluieren Sie die Genauigkeit der Regionen.

Analyse

Analysieren Sie Daten aus der medizinischen Bildgebung mithilfe von Techniken wie Radiomics und übergeordneten Merkmalsdeskriptoren.

Schnittstelle für Cellpose Library

Segmentieren Sie Zellen aus Mikroskopiebildern mithilfe des Support-Pakets für das Medical Imaging Toolbox Interface for Cellpose Library.

Schnittstelle für MONAI Label Library

Segmentieren und kennzeichnen Sie Organe und Knochen in medizinischen Bildern mithilfe des Support-Pakets für das Medical Imaging Toolbox Interface for MONAI Label Library.

„Diagnose von Schilddrüsenknoten anhand medizinischer Ultraschallbilder mit Deep Learning“

Von Eunjung Lee, School of Mathematics and Computing (CSE), Yonsei University

Kostenlose Testversion anfordern

30 Tage kostenlos ausprobieren.


Bereit zum Kauf?

Angebot anfordern und Erweiterungsprodukte entdecken.

Studieren Sie?

Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.