MatLab-longsegmentatie: 5 stappen

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:14

Door: Phuc Lam, Paul Yeung, Eric Reyes

Erkennend dat fouten in de segmentatie van de longen onjuiste informatie zullen opleveren met betrekking tot de identificatie van een ziektegebied en het diagnoseproces rechtstreeks kunnen beïnvloeden. Moderne computerhulptechnieken leverden geen nauwkeurige resultaten op wanneer longziekten uitdagende vormen hebben. Deze abnormale vormen kunnen worden veroorzaakt door pleurale effusies, consolidaties, enz. Door de longsegmentatietechniek toe te passen, waarbij de grenzen van de long worden geïsoleerd van het omliggende thoraxweefsel, kan onze app de grenzen identificeren met de invoerdrempels van de gebruiker om volledig aanpasbare weergaven te geven van de vormen van de longen, Het doel van dit MatLab-project is om een gebruiksvriendelijke interactieve app voor longsegmentatie te maken om pathologische aandoeningen van de röntgenfoto's van de longen te detecteren. Ons doel is om een effectievere manier te creëren om abnormale longen te illustreren en te identificeren, zodat artsen en radiologen een betrouwbaardere manier hebben om longziekten te diagnosticeren. Met behulp van de app-ontwerptool in MatLab, is het programma ontworpen om specifiek te werken met thoraxfoto's en computertomografie (CT) -scans, maar het is ook getest om te werken met MRI-scans.

De onderstaande instructies bevatten onze ruisfiltertechniek (low-pass Wiener-filter) evenals de beelddrempel (met behulp van het intensiteitshistogram van het grijswaardenbeeld) en het gebruik van een morfologische gradiënt (het verschil tussen de dilatatie en de erosie van een afbeelding) om een interessegebied identificeren. In de instructie wordt vervolgens uitgelegd hoe we alle elementen in de grafische gebruikersinterface (GUI) integreren.

Opmerking:

1). Dit project is geïnspireerd op een onderzoekspaper: "Segmentation and Image Analysis of Abnormal Lungs at CT: Current Approaches, Challenges, and Future Trends". Welke hier te vinden is

2). We gebruiken röntgenfoto's van NIH: Clinical Center. Link is hier te vinden

3). Hulp voor app-ontwerpers is hier te vinden

4). Voordat u de code uitvoert: u moet het Dir-pad (in regel 34) wijzigen in uw bestandsdirectory en het type afbeelding (regel 35) (we analyseren *.png).

Stap 1: Stap 1: Afbeelding laden

Deze stap toont u de originele afbeelding in grijstinten. Verander de 'name_of_picture.png' in je afbeeldingsnaam

Doorzichtig; clc; sluit alles;

%% Afbeeldingen laden

raw_x_ray='name_of_picture.png';

I=imread(raw_x_ray);

figuur (101);

imshow(ik);

kleurenkaart (grijs);

title('Grijswaarden X-Ray');

Stap 2: Stap 2: Ruisfiltering en histogram

Om de drempel voor het grijsschaalbeeld te vinden, kijken we naar het histogram om te zien of er verschillende modi zijn. Lees hier meer

I=wiener2(I, [5 5]);

figuur(102);

subplot(2, 1, 1);

imshow(ik);

subplot(2, 1, 2);

imhist(I, 256);

Stap 3: Stap 3: Drempels instellen

Met deze stap kunt u de drempel instellen volgens het histogram. morphologicalGradient zal het interessegebied in rood markeren en de functie visboundaries overlapt het omlijnde en gefilterde beeld van de long in rood.

Door regionprops te gebruiken, kunnen we de arrays van soliditeit bepalen en ze in aflopend sorteren. Vervolgens binariseer ik het grijze sclae-beeld en pas ik de morfologische gradiëntmethode en mloren Shurasking toe om het interessegebied (ROI) te markeren. De volgende stap is om de afbeelding om te keren, zodat de long-ROI wit is op de zwarte achtergrond. Ik gebruik de functie showMaskAsOverlay om 2 maskers weer te geven. Let op: de code is geïnspireerd op Loren Shure, link.

Lasly, ik maak rode omtreklijnen door de bwbw-grenzen te gebruiken en de filterafbeelding en de grenzen te maskeren.

a_thresh = ik >= 172; % stel deze drempel in

[labelImage, numberOfBlobs] = bwlabel(a_thresh);

props = regionprops(a_thresh, 'all');

gesorteerdSolidity = sort([props. Solidity], 'descend');

SB = gesorteerd Solidity(1);

als SB == 1 % SB accepteert alleen stevigheid == 1 filtert botten

binaryImage = imbinarize(I); figuur(103);

imshow (binaire afbeelding); kleurenkaart (grijs);

SE = strel('vierkant', 3);

morphologicalGradient = imsubtract(imdilate(binaryImage, SE), imerode(binaryImage, SE));

mask = imbinariseren (morfologisch verloop, 0,03);

SE = strel('vierkant', 2);

masker = imclose (masker, SE);

mask = imfill(masker, 'gaten');

mask = bwareafilt(masker, 2); % controle aantal gebied show

nietMask = ~masker;

masker = masker | bwpropfilt(notMask, 'Area', [-Inf, 5000 - eps(5000)]);

showMaskAsOverlay(0.5, masker, 'r'); % je moet app/functie showMaskAsOverlay downloaden

BW2 = imfill(binaryImage, 'gaten');

nieuwe_afbeelding = BW2;

nieuwe_afbeelding(~masker) = 0; % achtergrond en gaten omkeren

B=bwgrenzen(nieuwe_afbeelding); % kan slechts 2 dimensies accepteren

figuur(104);

imshow(nieuwe_afbeelding);

vasthouden

grensgebieden (B);

einde

Stap 4: GUI maken

Nu integreren we de eerdere code in een MATLAB-app. Open de App Designer in MATLAB (Nieuw > App). Eerst ontwerpen we de interface door op drie assen te klikken, vast te houden en te slepen naar de middelste werkruimte. Vervolgens klikken we op twee knoppen, vasthouden en slepen, één bewerkingsveld (tekst), één bewerkingsveld (numeriek), één schuifregelaar en één vervolgkeuzemenu. Twee assen zullen elk het voorbeeld weergeven en de afbeelding analyseren, en de derde assen zullen een histogram van pixels weergeven voor het voorbeeld van de "geselecteerde" afbeelding. In het bewerkingsveld (tekst) wordt het bestandspad van de geselecteerde afbeelding weergegeven en in het bewerkingsveld (numeriek) wordt het gedetecteerde pixelgebied van de longen weergegeven.

Schakel nu van de ontwerpweergave naar de codeweergave in App Designer. Voer in de code de code voor eigenschappen in door op de rode knop "Eigenschappen" met een plusteken ernaast te klikken. Initialiseer de eigenschappen I, drempel en regionenToExtract zoals in de onderstaande code. Klik vervolgens met de rechtermuisknop op een knop in de rechterbovenhoek van de werkruimte (de Componentbrowser) en ga van Terugbellen>Ga naar… terugbellen. Voeg de code toe voor "functie SelectImageButtonPushed(app, event)." Met deze code kunt u een afbeelding selecteren om vanaf uw computer te analyseren met uigetfile. Na het selecteren van een afbeelding verschijnt een voorbeeldafbeelding onder de assen vergezeld van een histogram. Klik vervolgens met de rechtermuisknop op de andere knop en herhaal dezelfde procedure om een terugbelfunctie te maken.

Voeg de code toe onder "functie AnalyzeImageButtonPushed(app, event)." Deze code voert de pixeltelling en blobdetectie uit op de voorbeeldafbeelding op de afbeeldingsknop analyseren (degene waarop u met de rechtermuisknop hebt geklikt voor deze code). Na het programmeren van de knoppen gaan we nu de slider en het drop-down menu programmeren. Klik met de rechtermuisknop op de schuifregelaar, maak een callback-functie en voeg de code toe onder "function FilterThresholdSliderValueChanged(app, event)" tot het einde. Hierdoor kan de schuifregelaar de grijsintensiteitsdrempel aanpassen.

Maak een callback-functie voor het vervolgkeuzemenu en voeg de code toe onder "function AreastoExtractDropDownValueChanged(app, event)" zodat het vervolgkeuzemenu het aantal blobs kan wijzigen dat wordt weergegeven op de geanalyseerde afbeeldingsassen. Klik nu op elke entiteit in de componentenbrowser en wijzig hun eigenschappen naar wens, zoals het wijzigen van de namen van de entiteiten, het verwijderen van assen en het wijzigen van de schaal. Sleep de entiteiten van de componentenbrowser in de ontwerpweergave naar een functionele en gemakkelijk te begrijpen lay-out. Je hebt nu een app in MATLAB die afbeeldingen van longen kan analyseren op pixelgebied!

eigenschappen (Toegang = privé)I = ; % beeldbestand

drempel = 257; %drempel voor binaire grijsintensiteit

regionenToExtract = 2;

einde

functie SelectImageButtonPushed (app, gebeurtenis)

clc;Dir = 'C:\Gebruikers\danie\Downloads\images_004\images'; %definieer onveranderlijk bestand "prefix"

[imageExt, pad] = uigetfile('*.png'); %pak het variabele deel van de afbeeldingsnaam

imageName = [Dir bestandsep imageExt]; %aaneengeschakelde invariabele en variabele stammen

app. I = imread(imageName); %lees de afbeelding

imshow(app. I, 'ouder', app. UIAxes); %toon de afbeelding

app. FilePathEditField. Value = pad; %weergave bestandspad van waar originele afbeelding vandaan kwam

einde

functie AnalyzeImageButtonPushed(app, event)

originalImage = app. I;

originalImage = wiener2(app. I, [5 5]); %puntverwijderingsfilter

histogram (app. AxesHistogram, app. I, 256); %weergave histogram van afbeelding

a_thresh = originalImage >= app.threshold; % stel deze drempel in

labelImage = bwlabel(a_thresh);

props = regionprops(a_thresh, 'all');

gesorteerdSolidity = sort([props. Solidity], 'descend');

SB = gesorteerd Solidity(1);

als SB == 1 % SB accepteert alleen stevigheid ==1 botten eruit filteren

SE = strel('vierkant', 3);

morphologicalGradient = imsubtract(imdilate(labelImage, SE), imerode(labelImage, SE));

mask = imbinariseren (morfologisch verloop, 0,03);

SE = strel('vierkant', 2);

masker = imclose (masker, SE);

mask = imfill(masker, 'gaten');

mask = bwareafilt(masker, app.regio'sToExtract);

% controle aantal gebied show

nietMask = ~masker;

masker = masker | bwpropfilt(notMask, 'Area', [-Inf, 5000 - eps(5000)]);

BW2 = imfill(labelImage, 'gaten');

nieuwe_afbeelding = BW2;

nieuwe_afbeelding(~masker) = 0;

B = bwgrenzen (nieuwe_afbeelding); % kan slechts 2 dimensies accepteren imshow(new_image, 'parent', app. UIAxes2);

hold(app. UIAxes2, 'aan');

grensgebieden (B);

set(gca, 'YDir', 'omgekeerd');

lungArea = bwarea(nieuwe_afbeelding);

app. PixelAreaEditField. Value = lungArea;

einde

einde

functie FilterThresholdSliderValueChanged(app, event)

app.threshold = app. FilterThresholdSlider. Value;

einde

functie AreastoExtractDropDownValueChanged(app, event)stringNumber = app. AreastoExtractDropDown. Value;

app.regionsToExtract = str2double(stringNumber);

einde

einde