读取体积数据

金宝app支持的体积图像数据文件格式包括MAT文件、医学数字成像与通信（DICOM）文件和神经成像信息技术倡议（NIfTI）文件。

将容积图像数据读入图像数据存储. 将体积像素标签数据读取到PixelLabelDatastore（计算机视觉工具箱）. 有关详细信息，请参阅用于深度学习的数据存储．

该表显示了imageDatastore和pixelLabelDatastore对于每个受支持的文件格式。创建数金宝app据存储时，请指定“FileExtensions”参数作为数据的文件扩展名。指定ReadFcn属性作为读取文件格式数据的函数句柄filepath参数指定包含图像数据的文件或文件夹的路径。对于像素标签图像，附加一会和像素标签参数指定体素标签值到类名的映射。

volds = imageDatastore (filepath,...“FileExtensions”,“.mat”,“ReadFcn”，@（x）fcn（x））；pxds=像素标签数据存储（文件路径、类名、像素标签ID、，...“FileExtensions”,“.mat”,“ReadFcn”@ (x) fcn (x));

函数data = matRead(filename) inp = load(filename);f =字段(输入);=输入的数据。(f {1});终止

volds = imageDatastore (filepath,...“FileExtensions”,“.dcm”,“ReadFcn”，@（x）dicomread（x））；pxds=像素标签数据存储（文件路径、类名、像素标签ID、，...“FileExtensions”,“.dcm”,“ReadFcn”，@（x）dicomread（x））；

volds = imageDatastore (filepath,...“FileExtensions”,“nii先生”,“ReadFcn”@ (x) niftiread (x));pixelLabelID pxds = pixelLabelDatastore (filepath,一会,...“FileExtensions”,“nii先生”,“ReadFcn”@ (x) niftiread (x));

关联图像和标签数据

若要将容积图像和标签数据关联起来进行语义分割，或将两个容积图像数据存储关联起来进行回归，请使用randomPatchExtractionDatastore(图像处理工具箱)．随机补丁提取数据存储从两个数据存储中提取相应的随机位置补丁。在进行任意大容量的训练时，修补是一种常见的防止内存耗尽的技术。指定一个与网络的输入大小匹配的补丁大小，并且为了内存效率，补丁大小要小于卷的完整大小，例如64 × 64 × 64体素。

您也可以使用结合函数关联两个数据存储。但是，使用randomPatchExtractionDatastore有几个好处结合．

预处理体积数据

深度学习通常需要对数据进行预处理和增强。例如，您可能希望对图像强度进行归一化、增强图像对比度或添加随机仿射变换以防止过拟合。

要预处理体积数据，请使用变换作用变换创建数据存储的更改形式，称为底层数据存储，通过根据自定义函数中定义的操作集转换底层数据存储读取的数据。图像处理工具箱™提供了几个接受体积输入的函数。有关函数的完整列表，请参见三维体图像处理(图像处理工具箱)。您还可以使用MATLAB中的函数对体积图像进行预处理^®在多维数组上工作。

属性返回的格式中，自定义转换函数必须接受读底层数据存储的功能。

A.随机抽取数据存储对象不支持金宝appDataAugmentation属性用于容量数据。要对此类数据存储中的容量数据应用随机仿射转换，必须使用变换作用

这个变换函数必须返回与网络输入大小匹配的数据。这个变换函数不支持一对多的观测映射。金宝app

dsTrain=变换（volDS，@（x）prepreprevolumetricimage（x，inputSize））；

函数dataOut = preprocessVolumetricImage(data,inputSize) numRows = size(data,1);dataOut =细胞(numRows, 1);对于idx = 1: numRows%围绕z轴执行随机90度旋转data = imrotate3(数据{idx 1}, 90 *(兰迪(4)1),[0 0 1);将卷大小调整为网络所期望的大小dataClean = imresize(数据、inputSize);%添加归一化方差为0.01的零均值高斯噪声dataNoisy = imnoise (dataClean,“高斯”, 0.01);%返回预处理的数据数据输出（idx）=数据噪声；终止终止

dsTrain=transform（volPatchDS，@（x）augmentVolumetricPatch（x））；

函数dataOut = augmentVolumetricPatch(data) img = data. inputimage {1};resp = data.ResponsePixelLabelImage {1};% 5 augmented: none, rot90, fliplr, flipud, rot90(fliplr)augType={（x）x，@rot90，@fliplr，@flipud，@（x）rot90（fliplr（x））}；rndIdx=randi（5,1）；imgOut=augType{rndIdx}（img）；respOut=augType{rndIdx}（resp）；%将扩充数据作为表返回dataOut=表（{imgOut}，{respOut}，...“变化无常”，[“输入图像”“ResponsePixelLabelImage”]);终止