深度学习工作流程计算病理学

这个存储库的一个示例展示了如何使用MATLAB操作非常大的图像的上下文中计算病理学(CPATH)。

结构在两个部分:

1. 如何处理非常大的图像如整个幻灯片图像(WSIs)
2. 如何预处理和后处理组织学图像。

第1部分:处理gigapixel-sized WSIs

这个例子展示了如何阅读的第一部分,显示、探索,并组织WSIs在MATLAB(和他们的补丁)。由于最近推出了blockedImage对象,现在可以处理非常大的图像而不会耗尽内存。一个blockedImage是一个图像由离散块(补丁),可以组织和管理使用吗blockedImageDatastore对象和显示使用bigimageshow。

第2部分:有用的预处理和后处理操作在WSIs MATLAB

因为在CPATH使用深度学习技术的目标是生产解决方案临床可翻译,即。金宝搏官方网站,capable of working across large patient populations, it is advisable to deal with some of the most likely WSI artifacts upfront, thereby increasing the abilities of the resulting model to generalize over image artifacts found in other test sets.

这个例子展示了示例的第二部分的预处理操作处理常见工件在组织病理学以及后处理图像形态学操作改善结果在像素级的质量。从本质上讲,这个例子应该帮助医学图像分析社区创建一个图像分析管道WSIs(奖金,繁殖能力描述的代码和示例最近的一篇论文使用MATLAB对这个话题)。

它突出了MATLAB的有效性(和图像处理工具箱)等功能:

• 图像阈值和过滤:imbinarize,bwareafilt,imlincomb
• 形态学图像处理操作:imclose,imopen,imdilate,imerode,imfill,strel
• 特征提取:bwlabel和regionprops
• 可视化:蒙太奇,imoverlay,情节和矩形

需求

• MATLAB 2021或晚
• 图像处理工具箱

建议步骤

1. 下载或克隆存储库。
2. 开放的MATLAB。
3. 确保文件AT2Scan.jpg和FakePred2.jpg包含测试的图片¹第2部分相同的文件夹cpath_matlab.mlx文件。
4. 运行cpath_matlab.mlx脚本和检查结果。

补充说明

• 你是鼓励扩大和示例适应您的需要。
• 第1部分使用的图像是MATLAB的一部分。

笔记

[1]这些图片是公开的(https://github.com/BHSmith3/Image-Cleaning)。