Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Procesamiento de imágenes volumétricas 3D

Filtre, segmente y realice otras operaciones de procesamiento de imágenes en datos volumétricos 3D

Realice operaciones de píxeles, filtrado local, morfología y otro procesamiento de imágenes en conjuntos de datos 3D.

Apps

	Ver datos volumétricos y datos volumétricos etiquetados
Visor de volumen	Ver datos volumétricos y datos volumétricos etiquetados

Funciones

expandir todo

Visualización de volumen

`volshow`	Volumen de visualización
`labelvolshow`	Mostrar volumen etiquetado
`sliceViewer`	Explorar sectores de imagen
`orthosliceViewer`	Explorar sectores ortogonales en escala de grises o volumen RGB

Importación y conversión de imágenes

`adaptthresh`	Umbral de imagen adaptable mediante estadísticas locales de primer orden
`imbinarize`	Imagen en escala de grises Binarize 2-D o volumen 3D por umbral
`dicomread`	Leer imagen DICOM
`dicomreadVolume`	Construir volumen 4-D a partir del conjunto de imágenes DICOM
`niftiinfo`	Leer metadatos del archivo NIfTI
`niftiwrite`	Escribir volumen en un archivo utilizando el formato NIfTI
`niftiread`	Leer imagen NIfTI

Aritmética de imagen

`imabsdiff`	Diferencia absoluta de dos imágenes
`imadd`	Añadir dos imágenes o añadir constante a la imagen
`imdivide`	Divida una imagen en otra o divida la imagen por constante
`immultiply`	Multiplicar dos imágenes o multiplicar imagen por constante
`imsubtract`	Restar una imagen de otra o restar constante de la imagen

Transformaciones geométricas y registro de imágenes

`affine3d`	Transformación geométrica afín 3-D
`imcrop3`	Recortar imagen 3D
`imref3d`	Referencia de imagen 3D a coordenadas mundiales
`imregister`	Registro de imágenes basado en la intensidad
`imregdemons`	Campo de desplazamiento estimado que alinea dos imágenes 2D o 3D
`imresize3`	Cambiar el tamaño de la imagen de intensidad volumétrica 3D
`imrotate3`	Rotar imagen volumétrica en escala de grises 3-D
`imwarp`	Aplicar transformación geométrica a la imagen

Filtrado y mejora de imágenes

`fibermetric`	Mejorar las estructuras alargadas o tubulares en la imagen
`fspecial3`	Crear filtro 3D predefinido
`histeq`	Mejorar el contraste mediante la ecualización del histograma
`imadjustn`	Ajustar los valores de intensidad en la imagen volumétrica -DN
`imboxfilt3`	Filtrado de caja 3D de imágenes 3D
`imfilter`	Filtrado N-D de imágenes multidimensionales
`imgaussfilt3`	Filtrado gaussiano 3D de imágenes 3D
`imhistmatchn`	Ajuste el histograma de la imagen N-D para que coincida con el histograma de la imagen de referencia
`imnoise`	Añadir ruido a la imagen
`integralBoxFilter3`	Filtrado de caja 3D de imágenes integrales 3D
`integralImage3`	Calcular imagen integral 3D
`medfilt3`	Filtrado de mediana 3D

Morfología

`bwareaopen`	Eliminar objetos pequeños de la imagen binaria
`bwconncomp`	Buscar componentes conectados en imagen binaria
`bwmorph3`	Operaciones morfológicas en volumen binario
`bwskel`	Reduzca todos los objetos a líneas en imagen binaria 2D o volumen binario 3D
`imbothat`	Filtrado de sombrero inferior
`imclose`	Imagen morfológicamente cercana
`imdilate`	Dilatar imagen
`imerode`	Imagen erosionada
`imopen`	Imagen morfológicamente abierta
`imreconstruct`	Reconstrucción morfológica
`imregionalmax`	Máxima regional
`imregionalmin`	Mínimos regionales
`imtophat`	Filtrado de sombrero superior
`offsetstrel`	Elemento estructurador de desplazamiento morfológico
`strel`	Elemento estructurador morfológico
`watershed`	Transformación de cuencahidro

Segmentación de imágenes

`activecontour`	Segmentar la imagen en primer plano y fondo usando contornos activos (serpientes)
`bfscore`	Puntuación de coincidencia de contorno para segmentación de imágenes
`dice`	Coeficiente de similitud de S-rensen-Dice para la segmentación de imágenes
`gradientweight`	Calcular pesos para píxeles de imagen basados en degradado de imagen
`graydiffweight`	Calcular pesos para píxeles de imagen basados en la diferencia de intensidad en escala de grises
`imsegfmm`	Segmentación de imágenes binarias mediante el método de marcha rápida
`imsegkmeans3`	Segmentación de volúmenes basada en clustering K-means
`jaccard`	Coeficiente de similitud de Jaccard para la segmentación de imágenes
`superpixels3`	Sobresegmentación de superpíxeles 3-D de la imagen 3D

Análisis de imágenes

`bwselect3`	Seleccionar objetos en imagen binaria
`edge3`	Encuentra bordes en volumen de intensidad 3D
`imgradient3`	Encontrar la magnitud del degradado y la dirección de la imagen 3D
`imgradientxyz`	Buscar degradados direccionales de imagen 3D
`imhist`	Histograma de datos de imagen
`regionprops3`	Medir las propiedades de las regiones de imagen volumétrica 3D

Aumento de imágenes para aprendizaje profundo

`randomPatchExtractionDatastore`	Almacén de datos para extraer parches aleatorios aleatorios 2D o 3D de imágenes o imágenes de etiquetas de píxeles
`centerCropWindow3d`	Crear ventana de recorte central cuboidal
`randomCropWindow3d`	Crear ventana de recorte cuboidal aleatorizada
`randomAffine3d`	Crear transformación afín 3D aleatoria
`affineOutputView`	Crear vista de salida para deformar imágenes

Temas

Calcular superpíxeles 3D de la imagen de intensidad volumétrica de entrada

Este ejemplo muestra cómo convertir datos de RMN 3D en una imagen de intensidad en escala de grises de superpíxeles.

Explora datos volumétricos 3D con la aplicación Visor de volúmenes

Puede ver secciones transversales perpendiculares de datos volumétricos 3D mediante la aplicación Visor de volúmenes. Ajuste el renderizado para mostrar las estructuras dentro del volumen.

Explore datos volumétricos etiquetados en 3D con la aplicación Visor de volúmenes

Puede ver datos volumétricos etiquetados en 3D mediante la aplicación Visor de volúmenes. Puede ver el volumen y el volumen etiquetado simultáneamente y cambiar la opacidad y el mapa de colores.

Preprocess Volumes for Deep Learning (Deep Learning Toolbox)

Read and preprocess volumetric image and label data for 3-D deep learning.

Ejemplos destacados

Registrar imágenes médicas multimodales 3D

En este ejemplo se muestra cómo alinear dos imágenes volumétricas mediante el registro automático de imágenes basada en intensidad.

Abrir script en vivo

Segmentar pulmones de exploración de tórax 3D

Este ejemplo muestra cómo realizar una segmentación 3D utilizando contornos activos (serpientes). Puede ver los resultados mediante la aplicación Visor de volúmenes.

Abrir script en vivo

Segmentación de tumores cerebrales 3D mediante aprendizaje profundo

Este ejemplo muestra cómo entrenar una red neuronal U-Net 3-D y realizar la segmentación semántica de tumores cerebrales a partir de imágenes médicas 3D. El ejemplo muestra cómo entrenar una red U-Net 3D y también proporciona una red previamente entrenada. El uso de una GPU NVIDIA™ compatible con CUDA con capacidad de computación 3.0 o superior es muy recomendable para la segmentación semántica 3D (requiere Parallel Computing Toolbox™).

Abrir script en vivo