選擇感興趣的區域

我正在嘗試開發一種自動腦腫瘤分割算法。我目前使用「Bounding Box Method Using Symmetry」algo，由提出。B. Saha，N.Ray，R.Greiner，A.Murtha，H.Zhang。我已經改進並擴展了他們的代碼，現在可以自動成功地分割腫瘤（體面的質量）。選擇感興趣的區域

但是，他們提供的代碼有一個缺點。如果腫瘤很暗，那麼它會檢測到錯誤的一面。 dark tumor

任何人都可以提供一個建議，程序化/理論上，我應該如何解決這個問題。

來源

2014-04-23 Rohan Kandwal

您可以嘗試在自動檢測步驟後進行一些小檢查，以驗證您是否抓住了腫瘤。它可以通過檢查感興趣區域的直方圖的均勻性來完成。看起來腫瘤區域比健康組織更不均勻。 – Adiel

@Adiel你是指使用** graycoprops **？ –

我不知道這個功能，但似乎它可能有幫助。 – Adiel

正如我在評論中寫道（寫在這裏再次爲未來的Q/A）：

您可以嘗試自動檢測的步驟之後做一些小考試，以驗證您捕捉瘤。它可以通過檢查感興趣區域的直方圖的均勻性來完成。看起來腫瘤區域比健康組織更不均勻。

請注意，它取決於您的圖像的一般屬性。有時，大腦中的規則組織也可能具有較低的同質性（如在編輯之前附加的文件中的「image2」中）。

來源

2014-04-23 12:17:17 Adiel

是的，我現在正在弄清楚這個問題;）但是你給了我一些想法。我認爲在這裏和那裏可以解決問題：D –

@Adiel提供的建議非常完美，非常感謝他。但是，我在此提供代碼來查找和比較兩張圖像（Matlab的代碼）的均勻性。這可能會幫助像我這樣的人。

homogeniety1= graycoprops(uint8(left),'Homogeneity'); %left box of image 
homogeniety2= graycoprops(uint8(right),'Homogeneity'); %right box of image 


homogeniety1 = struct2cell(homogeniety1); % converting the homogeniety struct to 
homogeniety2 = struct2cell(homogeniety2); % cell (help to get value in the struct) 


if homogeniety1{1}<homogeniety2{1} % finally comparing the value 
// some stuff 
end

來源

2014-04-23 11:35:07

選擇感興趣的區域

回答

相關問題