Medical Imaging Toolbox는 진단 영상 응용 사례를 설계하고 테스트하기 위한 앱, 함수, 워크플로를 제공합니다. 사용자는 방사선 영상의 3차원 렌더링과 시각화, 다중모달 정합, 분할, 레이블 지정을 수행할 수 있습니다. 이 툴박스를 통해 미리 정의된 딥러닝 신경망을 훈련시킬 수도 있습니다(Deep Learning Toolbox 사용).
엑스레이 영상, CT(컴퓨터 단층촬영), MRI(자기공명영상), US(초음파), PET 및 SPECT(핵의학) 등 다양한 영상 모달리티로 얻은 방사선 영상을 가져오고 전처리하고 분석할 수 있습니다. Medical Image Labeler 앱을 통해 AI 워크플로에서 사용할 수 있는 2차원 및 3차원 레이블 지정 작업을 반자동화할 수 있습니다. 사용자는 2차원 영상, 3차원 곡면, 3차원 볼륨 등 의료 영상에 다중모달 정합을 수행할 수 있습니다. 이 툴박스는 종단간 컴퓨터 보조 진단과 의료 영상 분석을 위한 통합 환경을 제공합니다.
기능, 문서 및 예제
의료 영상 분야는 인간 및 동물의 내부를 영상화, 시각화, 분석하는 여러 기법이 포함되는 의학 분야입니다. 이를 통해 의사들은 장기, 뼈, 세포 및 다양한 생리학적 과정을 시각화하고 의학적 상태를 진단, 모니터링, 치료할 수 있습니다. 영상은 엑스레이, 초음파, CT, MRI, 핵의학 영상 같은 다양한 방사선 모달리티 및 병리학용 현미경을 사용하여 생성됩니다.
ground truth 레이블 지정
Medical Image Labeler 앱을 사용하여 대화형 방식으로 ground truth 데이터에 레이블을 지정하고 레이블 지정 과정을 반자동화 또는 자동화하며, 레이블이 지정된 데이터를 내보내서 AI 워크플로에 사용할 수 있습니다.
분할
종래의 기법이나 딥러닝 기법을 사용하여 2차원 영상 또는 3차원 볼륨을 뼈, 종양 또는 장기로 분할하고 영역들의 정확도를 평가할 수 있습니다.
제품 관련 자료:
“Medical Imaging Toolbox를 통해 몇 번의 클릭만으로 전체 데이터셋을 불러오고 3차원 렌더링을 만들 수 있습니다. 이 기능과 데이터를 내보낼 수 있는 기능이 있다는 것이 중요합니다. 즉, 각각의 새로운 설계에서 처음부터 시작할 필요가 없습니다. 표준이며 효과적임을 이미 알고 있는 것을 활용할 수 있습니다. 덕분에 각각의 새 설계에서 몇 주의 시간을 절약할 수 있습니다.”
