Medical Imaging Toolbox
Visualizzazione, registrazione, segmentazione ed etichettatura di immagini mediche in 2D e 3D
Domande? Contattaci.
Domande? Contattaci.
Medical Imaging Toolbox mette a disposizione app, funzioni e workflow per progettare e testare applicazioni di diagnostica per immagini. È possibile implementare tecniche di visualizzazione e ricostruzione 3D, la registrazione multimodale e la segmentazione ed etichettatura di immagine radiologiche. Il toolbox consente altresì di addestrare reti di Deep Learning predefinite (con Deep Learning Toolbox).
È possibile importare, pre-elaborare e analizzare immagini radiologiche ottenute mediante svariate modalità di imaging, tra cui le proiezioni radiografiche, la tomografia computerizzata (CT), la risonanza magnetica (MRI), l’ecografia (US) e la medicina nucleare (PET, SPECT). L’app Medical Image Labeler consente di semi-automatizzare l’etichettatura 2D e 3D da usare nei workflow di IA. È possibile eseguire la registrazione multimodale delle immagini mediche, tra cui le immagini 2D, le superfici 3D e i volumi 3D. Il toolbox mette a disposizione un ambiente integrato per la diagnosi end-to-end assistita da computer e l’analisi delle immagini mediche.
Leggi i dati e i metadati delle immagini da formati file a uso medico specializzati, come DICOM, NIfTI e NRRD, in cui sono contenute informazioni che descrivono il paziente, la procedura di imaging e i riferimenti spaziali.
Serviti di strumenti interattivi per visualizzare dati di diagnostica per immagini in formato 2D e 3D. Genera e ricostruisci volumi e superfici 3D.
Usa l’app Medical Image Labeler per etichettare in modo interattivo dati di verità di base (ground truth), semi-automatizzare o automatizzare il processo di etichettatura ed esportare i dati etichettati per i workflow di IA.
Migliora la qualità delle immagini con tecniche di pre-elaborazione e aumenta l’efficacia delle reti di Deep Learning usando l’incremento di intensità casuale per ampliare il set di dati di addestramento.
Confronta volumi, superfici o immagini mediche multimodali usando la registrazione di immagini per allinearle a un sistema di coordinate comuni.
Segmenta immagini 2D o volumi 3D in regioni quali ossa, tumori o organi utilizzando tecniche tradizionali o di Deep Learning, quindi valuta la precisione delle regioni.
“Diagnosi di noduli tiroidei da immagini ecografiche mediche mediante Deep Learning”
Eunjung Lee, School of Mathematics and Computing (CSE), Yonsei University
30 giorni di prova a tua disposizione.
Richiedi una quotazione e scopri i prodotti correlati.
È possibile che la tua scuola già fornisca accesso a MATLAB, Simulink e ad altri prodotti complementari mediante una Campus-Wide License.