使用计算方法分析和可视化医学图像
医学图像分析是从医学图像中提取有意义信息的过程，通常使用计算方法来进行。医学图像分析的一些任务是二维图像和三维体的可视化和探查，以及图像数据的分割、分类、配准和三维重建。用于此分析的图像可以从医学成像模态获得，例如 x 射线（二维和三维）、超声波、计算机断层扫描 (ct)、磁共振成像 (mri)、核成像（pet 和 spect）和显微镜学。matlab® 提供开发环境和内置的分析和数据访问功能，用于构建医学图像分析算法。
dicom 文件，可以在 matlab 中对其进行读取、写入和匿名化。
医学图像分析可用来自动化或简化任务，例如在显微镜图像中对细胞进行计数和识别。例如，您可以分析和检测细胞中的癌变异常。对于重复或主观性任务，计算医学图像分析可以消除由于人为错误造成的不一致。通过计算分析，您可以从坏死中分割肿瘤组织或测量血管中的氧饱和度。
训练组织块以用于大型多分辨率图像的深度学习分类。
借助医学图像分析，您可以基于 mri 图像重建三维表示，以计算器官功能和其他诊断措施
借助 matlab，使用 mr 图像对人体左心室进行三维几何重建。
医学图像分析算法可以应用于大量数据，例如从可穿戴设备采集的数字健康数据。这些算法可用于管理疾病和健康风险，以促进健康和提高福祉。
使用 matlab 进行医学图像分析
使用 matlab，您能够：
- 可视化和探查二维图像和三维体
- 处理超大型多分辨率和高分辨率图像
- 使用内置的图像分割算法简化医学图像分析任务
- 使用深度学习方法进行分类
- 解析、加载、可视化和处理 dicom 图像
在 matlab 中，您可以使用探查三维体数据。例如，您可以将人脑的 mri 研究数据加载到三维体查看器中，探查显示大脑中发现肿瘤的位置和类型的数据。
三维体查看器，显示三维体数据和标注的三维体数据。
在数字病理学中，整个组织切片都经过成像和数字化。由此产生的整个切片图像 (wsi) 具有极高的分辨率。读取 wsi 是一项挑战，因为图像无法加载到内存中，因此需要核外的图像处理方法。matlab 的 bigimage 对象可以存储和处理这种类型的大型多分辨率图像。
使用 matlab 中的 bigimageshow 显示的包含肿瘤组织的淋巴结图像。
matlab 包括用于分割的 app。例如，您可以使用交互式将骨架从软组织中分割出来，并通过不同方法进一步细化 mri 图像的结果。提供多种方法来探查三维体并对三维体中的对象进行分割。例如，您可以加载一组大脑 mri 图像，并逐个查看三维体切片或以三维表示形式查看。然后，您可以分割三维体来标注大脑和肿瘤区域。
三维体分割器，显示三维体的三维表示（在“三维显示”窗格中）和数据集的单个切片（在“切片”窗格中）。
借助 matlab，您还可以使用深度学习方法，从三维医学图像中执行脑肿瘤的语义分割。您可以设计和训练神经网络或使用预训练网络。
使用 matlab 在脑组织中分割的肿瘤图，左图采用标注的真实值，右图采用网络预测。
examples and how to
software reference
另请参阅: matlab and simulink for biological sciences, matlab and simulink for biotech & pharmaceutical, matlab and simulink for medical devices, matlab for image processing and computer vision, dicom