전처리 및 증강
영상 전처리와 영상 증강은 고급 의료 영상 분석에 사용하기 위해 데이터를 준비시킵니다. 영상 전처리를 사용하여 영상 수집 아티팩트를 줄이고 각자의 활용 사례에 맞게 데이터의 형식을 지정할 수 있습니다. 예를 들어, 잡음을 제거하거나 명암 값을 정규화하거나 영상 복셀 크기를 조정할 수 있습니다. 영상 증강을 사용하여 딥러닝을 위한 훈련 데이터의 양과 다양성을 높일 수 있습니다. 예를 들어, 영상 대비를 무작위로 조정하거나 무작위 회전 또는 스케일링을 적용하여 영상 수집과 환자 인체에서 발생하는 변화를 시뮬레이션할 수 있습니다. 시작하려면 Medical Image Preprocessing 항목을 참조하십시오.
함수
도움말 항목
- Medical Image Preprocessing
Learn common preprocessing steps used in medical image analysis.
- Get Started with Image Preprocessing and Augmentation for Deep Learning
Preprocess data for deep learning applications with deterministic operations such as resizing, or augment training data with randomized operations such as random cropping.
- Train and Apply Denoising Neural Networks
Use a pretrained neural network to remove Gaussian noise from a grayscale image, or train your own network using predefined layers.
관련 정보
추천 예제
Unsupervised Medical Image Denoising Using CycleGAN
Generate high-quality high-dose computed tomography (CT) images from noisy low-dose CT images using a CycleGAN neural network.
Unsupervised Medical Image Denoising Using UNIT
Generate high-quality computed tomography (CT) images from noisy low-dose CT images using a UNIT neural network.
