Advertisement

MATLAB直方图裁剪代码-OCT-tools:用于脉络膜及视网膜层的OCT B扫描分割与分析

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
这段代码是为使用MATLAB进行光学相干断层扫描(OCT)B扫描图像中脉络膜和视网膜层的精确分割而设计,提供详细的分层分析。 MATLAB裁剪直方图代码用于OCT工具,旨在从单个OCT B扫描图像中分割并分析视网膜层,重点在于计算脉络膜厚度。此代码由华盛顿大学的Sara Patterson开发。 使用方法如下:当所有图像都放在一个以数字命名的文件夹内时(例如1.png、2.png等),该代码运行效果最佳。经过处理和分析后的数据将以im1_、im2_等前缀保存。 若要比较同一只眼睛中的不同图像,首先需要将它们对齐。这可以通过alignImages.m函数实现,此函数会计算两个图像之间旋转所需的参数,并将其存储下来。完成分割后可以进一步确定沿X轴的平移量。 裁剪步骤:在OCT类中使用octImage属性返回经由特定角度旋转后的图像版本之后进行裁剪操作最为理想,在执行旋转处理后再裁减能取得更好的效果。MATLAB内置函数imcrop在此过程中非常有用。 用户可以在命令行输入ChoroidApp并选择所需分析的图像,或者直接将文件路径或OCT类作为第一个参数传递给该程序。 此外,代码还支持手动添加用于标记脉络膜-巩膜边界的控制点,并提供了一维直方图和峰谷检测功能以帮助更准确地定位这些边界。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • MATLAB-OCT-toolsOCT B
    优质
    这段代码是为使用MATLAB进行光学相干断层扫描(OCT)B扫描图像中脉络膜和视网膜层的精确分割而设计,提供详细的分层分析。 MATLAB裁剪直方图代码用于OCT工具,旨在从单个OCT B扫描图像中分割并分析视网膜层,重点在于计算脉络膜厚度。此代码由华盛顿大学的Sara Patterson开发。 使用方法如下:当所有图像都放在一个以数字命名的文件夹内时(例如1.png、2.png等),该代码运行效果最佳。经过处理和分析后的数据将以im1_、im2_等前缀保存。 若要比较同一只眼睛中的不同图像,首先需要将它们对齐。这可以通过alignImages.m函数实现,此函数会计算两个图像之间旋转所需的参数,并将其存储下来。完成分割后可以进一步确定沿X轴的平移量。 裁剪步骤:在OCT类中使用octImage属性返回经由特定角度旋转后的图像版本之后进行裁剪操作最为理想,在执行旋转处理后再裁减能取得更好的效果。MATLAB内置函数imcrop在此过程中非常有用。 用户可以在命令行输入ChoroidApp并选择所需分析的图像,或者直接将文件路径或OCT类作为第一个参数传递给该程序。 此外,代码还支持手动添加用于标记脉络膜-巩膜边界的控制点,并提供了一维直方图和峰谷检测功能以帮助更准确地定位这些边界。
  • CNN改良搜素算法OCT
    优质
    本研究提出了一种结合卷积神经网络(CNN)和改进图搜索算法的方法,专门用于光学相干断层扫描(OCT)图像中视网膜层的精确自动分割。该技术能够有效提升视网膜疾病诊断与分析的准确性。 本段落提出了一种结合卷积神经网络(CNN)与改进图搜索方法来分割光学相干断层扫描成像(OCT)图像中的7个视网膜层边界的技术。首先,利用CNN自动提取每个边界的特征并训练相应的分类器,由此得到的每个边界的概率图作为后续分割操作的关注区域;其次,提出了一种在垂直梯度基础上增加横向约束的改进图搜索方法,在遇到血管阴影时可以允许分割线横向穿过这些阴影。实验中使用该方法对正常图像进行视网膜层边界分割,并将结果与传统图搜索方法和基于CNN的方法的结果进行了比较。结果显示,所提出的算法能够精确地分割7个视网膜层边界,平均误差为4.31±5.87微米。
  • MATLAB相关论文-OCT-seg-papers:OCT研究文献汇总
    优质
    本项目汇集了多种基于MATLAB的视网膜图像(OCT)自动分割算法及其相关学术论文,旨在为研究人员提供一个全面的研究资源库。 在MATLAB环境下实现了一种图像分割代码OCT-seg。该代码与论文《2018年OCT血管造影中视网膜疾病相关的分割错误和运动伪影的发生率》及《2013年视网膜光学相干断层扫描(OCT)分割算法综述》相关联,同时结合了深度学习技术的应用。其中,《ReLayNet:使用全卷积网络的黄斑光学相干断层扫描的视网膜层和流体分割》于2017年发表,并提供了一种基于深度学习自动分割非渗出性AMD患者OCT图像中九个视网膜层次边界的代码。此外,Google DeepMind在2019年的研究《临床应用:用于视网膜疾病的诊断和转诊的深度学习》展示了全卷积边界回归预处理技术的应用,并提供了使用二维Unet及列方式softmax实现的方法。 同年,另一项由DeepMind发布的研究成果表明了湿性年龄相关性黄斑变性的转化预测可通过深度学习来完成。此外,《2014年利用全局形状正则化在3-DOCT图像中进行概率视网膜内层分割》的论文提供了一个代码示例(包括二维和三维实现),使用GR方法处理数据集中的问题。 最后,一篇于2018年发布的文章《基于条件随机场的视网膜光学相干断层扫描图像监督联合多层分割框架》,展示了如何利用CRF技术进行OCT图像分析。该研究提供了一个MATLAB代码示例,用于从单个OCTb扫描中提取和分析视网膜层次结构信息。 以上所有论文、代码及数据集的列表均与视网膜光学相干断层扫描(OCT)分割相关,并展示了近年来在这一领域的技术进步和发展。
  • RelayNet_PyTorch: 基PyTorchOCT实现(含预训练模型)
    优质
    RelayNet_PyTorch是一个基于PyTorch框架构建的项目,专注于视网膜光学相干断层扫描(OCT)图像的层次自动分割。该项目提供了详细的文档和预训练模型,以帮助用户快速上手使用,并促进了医学影像分析领域的研究和发展。 ReLayNet的PyTorch实施由Abhijit Guha Roy和Shayan Siddiqui编写。代码中仍然存在一些错误和问题,我们正在努力修复它们。 如果您出于任何学术目的使用此代码,请引用: A. Guha Roy, S. Conjeti, SPKKarri, D.Sheet, A.Katouzian, C.Wachinger 和 N.Navab,“ReLayNet:使用完全卷积网络的黄斑光学相干层析成像的视网膜层和流体分割”,Biomed。选择。Express 8,3627-3642(2017) 希望您喜欢! :)
  • OCT预处理
    优质
    本研究探讨了针对视网膜光学相干断层扫描(OCT)图像的高效预处理技术,旨在提高图像质量与分析准确性,为眼科疾病的早期诊断提供支持。 光相干层析技术(OCT)是一种新兴的成像技术,能够生成清晰的视网膜及黄斑区图像。本段落主要探讨了在开发视网膜OCT图像识别与临床诊断系统中采用的预处理方法。通过应用图像分割和增强等技术,实现了自动边缘检测与轮廓提取功能。对视网膜OCT图像进行预处理后,为后续的图像识别及分析奠定了坚实的基础,并且针对黄斑囊样水肿、黄斑裂孔以及正常情况下的视网膜OCT图像进行了实验验证,均获得了良好的效果。
  • “利监督式深度学习技术实现OCT像中自动论文oct-choroid-seg
    优质
    本项目为oct-choroid-seg,采用监督式深度学习方法,旨在自动化处理光学相干断层扫描(OCT)图像中脉络膜的精确分割问题。该项目提供了一套完整的解决方案和源代码,致力于推动眼科医学影像分析技术的发展与应用。 在使用监督式深度学习方法对OCT图像中的脉络膜进行自动分割的研究论文“八脉络膜段”中,所使用的代码依赖于Python 3.6.4、Keras 2.2.4、TensorFlow GPU 1.8.0、h5py和Matplotlib等库。训练模型基于补丁数据集,并需要修改两个关键函数:`load_training_data` 和 `train_script_patchbased_general.py` 中的 `load_validation_data`,以加载特定的训练和验证数据(具体参考代码中的注释)。 在开始训练前,请选择以下其中一个选项作为第一个参数传递给模型: - model_cifar (使用Cifar CNN) - model_complex (复杂的CNN结构) - model_rnn (RNN) 默认情况下,采用的是 RNN 模型。此外,还可以根据需要调整补丁大小(PATCH_SIZE)和数据集名称(DATASET_NAME)。执行训练脚本 train_script_patchbased_g 时,请按照上述说明进行配置。 请注意,在实际操作中需确保所有相关库已正确安装并满足版本要求以顺利运行代码。
  • OCT像中:展示MATLAB环境下对光学相干断处理技术
    优质
    本研究探讨了利用MATLAB环境下的图形方法进行视网膜层自动分割的技术,专注于优化光学相干断层扫描(OCT)图像分析。通过此技术,提高了眼科疾病早期诊断的准确性和效率。 该脚本展示了如何使用图论技术来分割光学相干断层扫描图像中的视网膜层。使用方法:按 F5 运行脚本。 我正在开发一个开源软件包,用于在光学相干断层扫描图像中进行计算机辅助的视网膜层分割。当前版本包括: 1. 自动识别和分割6个视网膜层的功能。 2. 通过图形用户界面(GUI)检查并手动校正自动分割结果。 该工作基于以下参考文献: Chiu, Stephanie J., 等。“与专家手工分割一致的 SDOCT 图像中七个视网膜层的自动化分割。” 光学快报,18.18 (2010): 19413-19428。 以及 庞宇腾。 Caserel - 开源软件包用于光学相干断层扫描图像中的视网膜层计算机辅助分割 泽诺多, 2013年. http://dx.doi.org/10.5281/zenodo.17893
  • MATLAB-光相干断重建频谱频谱域OCT像...
    优质
    本项目提供了一套基于MATLAB的方差分析代码,专为光相干断层扫描(OCT)数据处理设计。通过该工具集可以进行有效的频谱域OCT图像重建及频谱分析,适用于科研与临床诊断应用。 MATLAB方差分析代码用于OCT(光学相干断层扫描)重建及光谱分析,以处理频域OCT图像的重建与解析工作。该代码作为我们称为MOZART的分子成像平台的一部分使用。编写此代码是为了从Thorlabs OCT系统中读取原始干涉图(推荐版本为4,但3版也适用,不过需要进行一些调整)。它能够将这些原始数据转换为OCT图像,并支持二维、三维以及散斑方差分析。 除重建图像外,该程序还具有以下功能: - 计算标准化的花斑变化以检测血管 - 实现色散补偿 - 通过双频频谱法计算频谱对立图 - 创建光谱深度校正后的图像 此外,它还能生成结合了OCT影像、光谱分析和斑点变异性的综合视图。 使用此代码及相关的数据分析可以创建如下所示的示例图片:(在连续注射两种类型的大金纳米棒后绘制小鼠耳廓的增强型OCT图像)。该应用案例参考文献为:“具有皮摩尔灵敏度的增强光学相干断层扫描,以进行功能性体内成像”,OLiba, EDSoRelle, DSen, AdeLaZerda-科学报告2016年。 我们感谢德国吕贝克Thorlabs团队在使用OCT系统及重建原始信号方面的支持。
  • MATLAB-OD_OC_seg:OD_OC_seg
    优质
    OD_OC_seg是一款基于MATLAB开发的视网膜图像处理工具,专门用于精准分割视盘(Optic Disc, OD)和optic cup区域,助力眼底疾病早期诊断。 我们正在发布用于在视网膜彩色眼底图像中分割视盘和视杯的Matlab代码OD_OC_seg。该代码已添加了一名作者:Jayanthi Sivaswamy教授(视觉信息技术中心,IIIT-海得拉巴)。此代码可免费获取,以允许其他研究人员开发、比较和基准测试他们的算法。请注意,此代码未经临床批准,仅供非商业研究目的使用。 本代码主要基于以下论文: [1] Chakravarty A., Sivaswamy J. 用于从单色眼底图像进行基于深度的杯子分割的耦合稀疏字典。在:医学图像计算和计算机辅助干预MICCAI2014,LNCS第8673卷,Springer。 [2] Arunava Chakravarty, Jayanthi Sivaswamy. 从单眼眼底图像中提取关节视盘和杯子边界。在生物医学计算机方法和程序第147卷(2017年),51-61页。 如果您发现代码有用,请引用上述论文。
  • MATLAB开发——
    优质
    本项目利用MATLAB进行视网膜层图像的自动分割研究,旨在提高眼科疾病的早期诊断和治疗效果。通过优化算法实现精准识别与分析。 在光学相干断层成像技术中演示基于图像的视网膜层分割方法,并使用MATLAB进行开发。