분할

딥러닝과 영상 처리 알고리즘을 사용한 의료 영상 분할

영상 분할은 영상을 여러 영역으로 나눕니다. MedSAM(Medical Segment Anything Model), 기타 딥러닝 신경망, 대화형 방식의 의료 영상 레이블 지정기 앱 또는 영상 처리 알고리즘을 사용하여 의료 영상 분할을 수행할 수 있습니다. 딥러닝 신경망을 사용하려면 Deep Learning Toolbox™와 Computer Vision Toolbox™가 필요합니다.

앱

의료 영상 레이블 지정기

2차원 또는 3차원 의료 영상 데이터의 애니메이션을 대화형 방식으로 탐색, 레이블 지정, 퍼블리시 (R2022b 이후)

함수

모두 확장

분할 알고리즘

`imbinarize`	임계값을 지정하여 2차원 회색조 영상이나 3차원 볼륨 이진화
`graythresh`	오츠(Otsu) 방법을 사용한 전역 영상 이진화
`multithresh`	오츠 방법을 사용한 다중 수준 영상 이진화
`otsuthresh`	오츠(Otsu) 방법을 사용한 전역 히스토그램 임계값
`adaptthresh`	1차 국소 통계량을 사용하여 영상의 가변 임계값 구하기
`grayconnected`	Select contiguous image region with similar gray values using flood-fill technique
`watershed`	워터셰드 변환
`activecontour`	능동 윤곽선(스네이크) 영역 확장 기법을 사용하여 영상을 전경과 배경으로 분할
`imsegfmm`	Binary image segmentation using fast marching method
`gradientweight`	Calculate weights for image pixels based on image gradient
`graydiffweight`	Calculate weights for image pixels based on grayscale intensity difference
`imsegkmeans`	K-평균 군집화 기반 영상 분할
`imsegkmeans3`	k-평균 군집화 기반 볼륨 분할
`superpixels`	영상의 2차원 슈퍼픽셀 과다분할
`superpixels3`	3-D superpixel oversegmentation of 3-D image

Medical Segment Anything Model을 사용한 분할

`medicalSegmentAnythingModel`	의료 영상 분할을 위해 사전 훈련된 MedSAM(Medical Segment Anything Model) (R2024b 이후)
`extractEmbeddings`	MedSAM(Medical Segment Anything Model) 인코더에서 영상 임베딩 추출 (R2024b 이후)
`segmentObjectsFromEmbeddings`	MedSAM(Medical Segment Anything Model) 영상 임베딩을 사용하여 의료 영상의 객체 분할 (R2024b 이후)

딥러닝

훈련 데이터 불러오기 및 준비하기

`groundTruthMedical`	Ground truth label data for medical images (R2022b 이후)
`addLabel`	Add label definition to `groundTruthMedical` object (R2025a 이후)
`removeLabel`	Remove label definition from `groundTruthMedical` object (R2025a 이후)
`changeFilePaths`	Change file paths in ground truth data for medical images (R2022b 이후)
`merge`	Merge two or more `groundTruthMedical` objects (R2022b 이후)
`imageDatastore`	이미지 데이터의 데이터저장소
`pixelLabelDatastore`	Datastore for pixel label data
`randomPatchExtractionDatastore`	Datastore for extracting random 2-D or 3-D random patches from images or pixel label images
`combine`	여러 데이터저장소의 데이터 결합
`transform`	데이터저장소 변환

신경망 가져오기

`importNetworkFromTensorFlow`	Import TensorFlow network as MATLAB network (R2023b 이후)
`importNetworkFromONNX`	Import ONNX network as MATLAB network (R2023b 이후)

신경망 설계하기

`unet`	Create U-Net convolutional neural network for semantic segmentation (R2024a 이후)
`unet3d`	Create 3-D U-Net convolutional neural network for semantic segmentation of volumetric images (R2024a 이후)
`generalizedDice`	Generalized Sørensen-Dice similarity coefficient for image segmentation (R2021a 이후)
`dlnetwork`	딥러닝 신경망
`trainnet`	딥러닝 신경망 훈련 (R2023b 이후)

영상 분할하기

semanticseg Semantic image segmentation using deep learning

결과 시각화 및 평가하기

`labeloverlay`	2차원 영상에 레이블 행렬 영역 겹치기
`volshow`	Display volume
`jaccard`	영상 분할을 위한 자카드 유사성 계수
`dice`	영상 분할을 위한 Sørensen-Dice 유사성 계수
`bfscore`	Contour matching score for image segmentation

도움말 항목

Medical Segment Anything Model

의료 영상 분할을 위해 Medical Segment Anything Model 시작하기
MedSAM(Medical Segment Anything Model)과 딥러닝을 사용하여 대화형 의료 영상 분할을 수행합니다. (R2024b 이후)
의료 영상 레이블 지정기에서 MedSAM 시작하기
이 예제에서는 의료 영상 레이블 지정기 앱에서 MedSAM 알고리즘을 사용하여 의료 영상과 의료 볼륨의 단면에서 객체를 대화형 방식으로 분할하는 방법을 보여줍니다. (R2025a 이후)

딥러닝을 사용한 분할

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.
Create Datastores for Medical Image Semantic Segmentation

Create datastores that contain images and pixel label data from a groundTruthMedical object for training semantic segmentation deep learning networks.
- Convert Ultrasound Image Series into Training Data for 2-D Semantic Segmentation Network
- Create Training Data for 3-D Medical Image Semantic Segmentation
Datastores for Deep Learning (Deep Learning Toolbox)
Learn how to use datastores in deep learning applications.
딥러닝 계층 목록 (Deep Learning Toolbox)
MATLAB^®에서 제공하는 딥러닝 계층에 대해 알아봅니다.

추천 예제

Interactively Segment and Analyze ROI Using MedSAM and Radiomics

Perform interactive segmentation of an object in a region of interest (ROI) of an image using the Medical Segment Anything Model (MedSAM) and analyze the segmented object using radiomics.

R2024b 이후
라이브 스크립트 열기

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).