kkompp

动态 发布 点评 好友 关于
  • 2024-05-23

  • 发表了主题帖： 《深度学习与医学图像处理》阅读心得3:数据预处理

    本帖最后由 kkompp 于 2024-5-23 23:44 编辑       由于最近一段时间出差，不能就书中的示例代码进行调试，刚刚看了看论坛要求，阅读活动截止到4月30日。很是抱歉。      《深度学习与医学图像处理》的第四章是：数据预处理，也就是把用医疗设备采集到的数据进行预处理。说是预处理，其实还是数字图像处理，就是对图像进行噪声去除、数据增强、特征提取等图像处理技术。医学图像处理在医院应用非常广泛，在实际诊断中，由于设备质量，采集等原因，医学成像质量有很大不同，随着AI技术的发展，医学数字图像由于设备差异、多模态、噪声等问题都会对模型的训练造成很大的困难。本书第四章主要是通过深度学习的方法对主流医学数字图像进行处理，包括插值、重采样、直方图的分析与均衡化、数据归一化、连通域分析与形态学方法等。        书中就常见的数据增强方式、弹性形变以及基于TensorFlow的在线数据增强方法进行了介绍，给出了主要代码。        本章内容用到的算法主要使用SimpleITK、Numpy，Scikit-image，TensorFlow，Matplotlib,math，elasticdeform等库进行实现。 一  库函数版本号      书中用到的示例代码库函数版本号如下：      # Simpleitk==2.0.2     # matplotlib==3.1.3     # numpy==1.18.1     # elasticdeform==0.4.9     # scikit-image==0.16.2     # tensorflow==1.15.0 二 导入相关的库      import math      import SimpleITK as sitk      import matplotlib.pyplot as plt      import numpy as np      import elasticdeform as edf      from skimage import measure, color, morphology, transform, exposure, data, io      import tensorflow as tf      我们用pycharm打开，并用pip安装对应的版本库   点击运行，没有报错，说明需要的库都安装正确。 三 SimpleITK       这里重点要说明SimpleITK，由于书中章节安排，没有对SimpleITK进行详细介绍，安装SimpleITK的时候可能会出错，所以版本的一致性很是重要。SimpleITK需要与python版本对应。SimpleITK是专门处理医学影像的软件，是ITK的简化接口，使用起来非常便捷，SimpleITK支持8种编程语言，包括c++、Python、R、Java、c#、Lua、Ruby和TCL。SimpleITK中图像是一个物理实体，图像中的每一个像素都是物理空间中的一个点，不光有着像素值，还有坐标、间距、方向等概念。 在使用SimpleITK库之前，需要将SimpleITK库导入进来，如下： import SimpleITK as sitk   SimpleITK可以读取如.mhd , .nii, .nrrd等图像数据格式。 四 数据预处理：插值法     插值法在书中主要采用skimage的两种插值方法进行图像缩放，一个是最近邻域法，一个是线性插值法。这是两种不同的算法。 书中定义了一个函数如下： def Linear_interpolation(img, target_shape, interpolation_method):     if interpolation_method == 'nearest_neighbor':         return transform.resize(img, target_shape, order=0, preserve_range=True)     elif interpolation_method == 'bilinear':         return transform.resize(img, target_shape, order=1, preserve_range=True)     else:         raise NameError('Undefined Method.') 我们把这段代码用pycharm进行实现如下图所示   定义好函数，我们进行调用 测试图片采用第三章3dslicer中处理的图像如下图所示          接下来用最近邻域法与线性插值法进行处理，结果如下图所示   图中，nn是最近邻域法，bil是双线性插值法。 需要注意这里数据导入需要采用skimage的数据导入 五 重采样的实现      由于调试问题，重采样的实现下次实现。      

  • 2024-04-10

  • 回复了主题帖： 《深度学习与医学图像处理》阅读心得2

    秦天qintian0303 发表于 2024-4-10 08:46 数据标注也得手工标注吧，这就有点考验人了   是的了，需要懂医学，至少需要懂怎么看医学图像

  • 2024-04-09

  • 回复了主题帖： 《深度学习与医学图像处理》阅读心得2

    lugl4313820 发表于 2024-4-9 10:03 这东西，没有三年五年的临床经历，估计也摸不出什么东西。我本是医学高级职称，但是没有物理诊断的经验，也 ... 大佬说的太对了

  • 回复了主题帖： 《深度学习与医学图像处理》阅读心得2

    winnipegtiger 发表于 2024-4-9 09:14 我也是搞这一块的，我也要好好学学。 向您学习，共同进步

  • 2024-04-08

  • 发表了主题帖： 《深度学习与医学图像处理》阅读心得2

    本帖最后由 kkompp 于 2024-4-8 21:12 编辑       本次阅读主要是关于书的第三章：数据标注。   1 数据标注：数据标注的目标是为了提高深度学习的精度，本书主要介绍的标注软件是3D Slicer。   2软件下载       官网下载地址市：https://download.slicer.org/       打开后如图所示：        这里我们不选最新版本，选择与书籍一样的版本4.11。其下载地址是：https://slicer-packages.kitware.com/#collection/5f4474d0e1d8c75dfc70547e/folder/60ac0ce2ae4540bf6a899ecc        打开后如图所示：        这里我们选择windows版本，也就是图中的第三个选项。下载安装即可。   3 软件界面介绍      打开软件后，可以看到如图所示界面        与大部分的可编辑软件布局类似，左侧为操作节目，右侧为工作视图，上方有主菜单栏与工具栏。主菜单栏主要是：file，edit，view与help。 4 加载数据并进行编辑        数据是DICOM数据，可以导入，本次学习采用软件提供的数据，通过download sample data获得，如图所示。        这里我们选择MRhead数据，下载后，如图所示        点击 segment editor工具图标开始标注，如下图所示。添加segment，设置阈值，得到如书中的图所示。        这里可以应用剪刀工具进行裁剪，如图所示。   标注完成后，要进行保存，如图所示   也可以进行导出操作，设置好导出后，进行保存，会出现多个选项如图所示。   5 小结       3D Slicer软件功能强大，用于医学图像处理、可视化、以及进行计算机辅助手术的研究和临床前应用。软件平台支持多模态成像，如CT、MRI和PET，以及生物医学研究。它能够进行图像分割、三维重建、导航和数据分析等功能。本次学习只是初步入门，后续需要对软件进行反复使用，学会更多功能。  

  • 2024-03-29

  • 发表了主题帖： 《深度学习与医学图像处理》阅读心得1

           首先感谢论坛，让我能够有机会参与《深度学习与医学图像处理》阅读，衷心感谢论坛。          一 初印象             书的封面长这个样子       书是人民邮电出版社出版，作者由五位专家编著。序由首都医科大学附属北京天坛医院王院长撰写，彰显本书的专业性。五位作者中三位是计算机科学家，两位是医学专家，保证了本书内容紧密结合实际。        书中使用的编程语言是常规Python深度学习为主，如Python，Numpy，TensorFlow，Matplotlib，Sciki等，pydicom，elasticdeform与simpletk似乎在以往深度学习应用中比较少见。也许是本人孤陋寡闻了，说的不到之处，请谅解。      二  本书内容          本书是一本人工智能在医学影像领域应用的专业书籍。众所周知，现代医院的医生进行病情诊断主要依赖的就是各种仪器的检测指标，如我们在医院检查会做的心电图，x射线图，ct，核磁共振等图像，医生根据图像的特性与正常图像的不同进行诊断分析。这构成了当前医院诊断病例的主要内容。本书则是帮助医生进行诊断，通过深度学习，对医学图像进行学习分析，得出病理特征，并给出诊断结果。          全书共分为10个章节：         第一章主要是介绍人工智能在医学图像上的应用，属于概览类，基本上了解即可；        第二章是医疗相关数据介绍，包括x线成像，核磁成像，超声成像，心电图等医院使用的各种通过仪器生成的图像，这个构成深度学习的基础；这些图像用不同的格式表示，区别于我们常见的jpg等图像，而是医学专用的影像格式        第三章是在第二章的基础上，进行数据标注，这个由一个专门的软件，3D Slicer，这个软件对第二章提到的各种格式的医学数据进行分割重建等处理，可以理解为数据预处理。       第四章是医学数字图像处理，这个就是脱离医学专业的纯粹图像处理了，如插值，数据归一化等，数据增强用到了TensorFlow的方法。       从第五章到第十章就是医学图像处理与模型学习优化了，比如语义分割，关键点检测，医学图像配准，模型优化，迁移学习，这部分的内容是需要下功夫深入研究的，这个是本书的价值所在。   三 第一章的学习：人工智能在医学领域的应用        第一章是一个概述，主要讲人工智能的介绍，机器学习的介绍。机器学习是一门交叉学科，其实是一门交叉数学，涉及到概率，统计，凸优化等多门学科，由于其数学属性，构成了一定的入门门槛。这里也提到了Agent这个概念，关于agent的研究学界已经有了很多成果，每个机器学习的主机都是一个agent。        人工智能在医学领域中的应用更多的体现在辅助医学诊断。至于临床治疗与疾病预测由于监测图像的专业性，个人认为目前还不成熟。       人工智能在医学领域的应用包括：医学图像采集与重建、图像变换、病灶区域检测分割与智能诊断，这几项内容都是深度学习最擅长的，只不过这里的应用场景是医学图像分析。       本书在每个章节后列了参考资料，这也是学院派科学家喜欢的做法，我们看到第一章列的参考资料有43篇，大部分是发表在国外文献上，其中不乏编著者自己的文章。可见编著者专业知识的积累。   四 小结          本书还有一个有趣的地方，就是书中图像是彩色的，章节目录是蓝色的，说明排版时候的认真负责，也显示了一定的专业性，非常有趣。         接下来就需要对书的内容抽丝剥茧，深入学习，争取能够进入医学图像处理的大门。                   

  • 2024-03-16

  • 回复了主题帖： 读书入围名单：《深度学习与医学图像处理》

    个人信息无误，确认可以完成阅读分享计划

  • 2024-02-25

  • 回复了主题帖： 领取审核名单（第五批）： 辞旧，年底清仓，100+板卡来袭，有缘来领

    个人信息无误，已知晓需自己支付邮费

  • 2024-02-08

  • 回复了主题帖： 辞旧：年底清仓，100+板卡来袭，有缘来领

    申请板卡：基于stm32f103的ufun学习板（第一版本） 申请理由：这个板卡性能卓越，是学习测试的绝佳板卡。 通过板卡的测试与学习，提高自我，争取运用到工作中  

发布的帖子
回复过的帖子

最近访客

< 1/1 >

统计信息

已有21人来访过

  • 芯积分：424
  • 好友：--
  • 主题：11
  • 回复：18

留言

你需要登录后才可以留言 登录 | 注册

风尘流沙 2024-3-8
下载了您的资料，谢谢分享
查看全部

推荐博文