Medical Imaging Toolbox 시작하기
Medical Imaging Toolbox™는 진단 영상 애플리케이션의 설계와 테스트에 사용할 수 있는 앱과 함수, 워크플로를 제공합니다. 방사선 영상에 대해 3차원 렌더링과 시각화, 다중모달 정합, 분할 및 레이블 지정을 수행할 수 있습니다. 이 툴박스에서는 또한 미리 정의된 딥러닝 신경망을 훈련시킬 수도 있습니다(Deep Learning Toolbox™ 사용).
투영 엑스레이 영상, 컴퓨터 단층촬영(CT), 자기공명영상(MRI), 초음파 검사(US), 핵의학(PET, SPECT) 등 다양한 영상 모달리티에서 방사선 영상을 가져와서 전처리하고 분석할 수 있습니다. 의료 영상 레이블 지정기 앱을 사용하면, AI 워크플로에서 사용하기 위해 2차원과 3차원 레이블 지정을 반자동화할 수 있습니다. 그리고 2차원 영상, 3차원 곡면, 3차원 볼륨을 포함하여 의료 영상에 대해 다중모달 정합을 수행할 수 있습니다. 이 툴박스는 종단간 컴퓨터 보조 진단과 의료 영상 분석을 위한 통합된 환경을 제공합니다.
튜토리얼
- 의료 영상 레이블 지정기 시작하기
2차원 또는 3차원 의료 영상 데이터의 애니메이션을 대화형 방식으로 탐색하고 레이블을 지정하고 퍼블리시합니다.
- 의료 영상 시각화를 위한 접근 방식 선택하기
2차원 영상, 멀티프레임 영상 시리즈 및 3차원 영상 볼륨을 볼 수 있는 툴을 알아봅니다.
- Read, Process, and Write 3-D Medical Images
Import and display a medical image volume in patient coordinates, apply a smoothing filter.
의료 영상 정보
- Get Started with Medical Imaging
Learn about common modalities and workflows used in medical image analysis.
- 의료 영상 좌표계
내재적 좌표계와 환자 좌표계에서 영상 위치를 정의하는 방식을 알아봅니다.
추천 예제
Label 3-D Medical Image Using Medical Image Labeler
Interactively label pixels in a 3-D medical image volume.
Segment Lungs from CT Scan Using Pretrained Neural Network
Import a pretrained ONNX™ (Open Neural Network Exchange) 3-D U-Net [1] and use it to perform semantic segmentation of the left and right lungs from a 3-D chest CT scan. Semantic segmentation associates each voxel in a 3-D image with a class label. In this example, you classify each voxel in a test data set as belonging to the left lung or right lung. For more information about semantic segmentation, see 의미론적 분할 (Computer Vision Toolbox).
사전 훈련된 3차원 U-Net 신경망을 사용한 뇌 MRI 분할
이 예제에서는 심층 신경망을 사용하여 뇌 MRI를 분할하는 방법을 보여줍니다.
Create STL Surface Model of Femur Bone for 3-D Printing
Convert a segmentation mask from a CT image into an STL surface model suitable for 3-D printing.
