开始使用医学成像的工具箱

医学成像工具箱™提供了用于设计和测试诊断成像应用程序的应用程序、功能和工作流。您可以执行3D渲染和可视化，多模式配准，以及分割和标记的放射图像。该工具箱还允许您训练预定义的深度学习网络(使用深度学习工具箱™)。

您可以从各种成像模式导入、预处理和分析放射学图像，包括投影x射线成像、计算机断层扫描(CT)、磁共振成像(MRI)、超声(US)和核医学(PET、SPECT)。医学图像标签应用程序可以让你在人工智能工作流程中使用半自动的2D和3D标签。可以执行医学图像的多模式配准，包括2D图像、3D曲面和3D体。该工具箱为端到端计算机辅助诊断和医学图像分析提供了一个集成环境。

教程

• 读取、处理和写入3-D医学图像
  

  导入并显示病人坐标中的医学图像卷，应用平滑过滤器。

• 在患者坐标系统中显示三维医学图像数据
  

  在患者坐标系中，用各向异性体素维度可视化CT数据。

• 开始使用医学图像标签
  

  交互式标记2-D或3-D医学图像数据。

关于医学成像

• 医学影像概论
  

  了解在医学图像分析中使用的常见模式和工作流程。

• 医学图像坐标系统
  

  了解如何在固有坐标系和病人坐标系中定义图像位置。

特色的例子

使用医学图像标签器标记三维医学图像

交互式标记3d医学图像卷中的像素。

打开生活的脚本

预训练神经网络在CT扫描中的肺分割

导入一个预先训练的ONNX™(开放神经网络交换)3d U-Net[1]，并使用它从3d胸部CT扫描中执行左肺和右肺的语义分割。语义分割将三维图像中的每个体素与类标签关联起来。在本例中，您将测试数据集中的每个体素分类为属于左肺或右肺。有关语义分割的更多信息，请参见语义分割。

打开生活的脚本

用预训练的三维U-Net网络分割脑MRI

利用深度神经网络进行脑磁共振分割。

打开生活的脚本

创建股骨STL表面模型用于3d打印

将CT图像的分割掩码转换为适合3d打印的STL表面模型。

打开生活的脚本