Elaborazione di immagini 3D con MATLAB

3 cose da sapere

Che cos’è l’elaborazione di immagini 3D?

L’elaborazione di immagini 3D è la visualizzazione, l’elaborazione e l’analisi di dati immagine 3D attraverso trasformazioni geometriche, filtraggio, segmentazione immagini e altre operazioni morfologiche.

L’elaborazione di immagini 3D viene utilizzata comunemente nell’imaging medico per analizzare immagini DICOM or NIfTI da fonti radiografiche come scansioni MRI o CT. È anche possibile utilizzare tecniche di elaborazione di immagini 3D al microscopio per rilevare e analizzare campioni di tessuto o tracciare neuroni. 

Medviso

Gli ingegneri Medviso utilizzano MATLAB per sviluppare la produzione di software di analisi cardiovascolare per gli specialisti in tutto il mondo.

Oltre all’imaging medico, è possibile utilizzare tecniche di elaborazione di immagini 3D per elaborare scansioni di sicurezza dei bagagli o per analizzare le scansioni di materiali per comprenderne la struttura. Ulteriori aree di applicazione comprendono il riconoscimento di attività video per l'elettronica di consumo la sorveglianza aerea per sistemi di difesa.

Tecniche di elaborazione di immagini 3D

Ci sono diverse tecniche che possono essere utilizzate per elaborare dati immagine 3D. Queste variano a seconda dell’operazione che stai eseguendo; ad esempio importare, visualizzare e analizzare i dati.

Questo diagramma mette in evidenza i componenti fondamentali di un flusso di lavoro di elaborazione di immagini 3D.

Questo diagramma mette in evidenza i componenti fondamentali di un flusso di lavoro di elaborazione di immagini 3D.

Importazione e visualizzazione di immagini

I dati immagine 3D si possono ottenere da un’ampia gamma di dispositivi e formati di file. Per importare e visualizzare in modo efficace le immagini 3D è importante avere accesso ai dati e metadati sottostanti per le immagini.

Puoi visualizzare immagini 3D utilizzando metodi diversi a seconda dei dettagli che si desideri osservare. In alcune applicazioni, puoi visualizzare i dati 3D con un rendering volumetrico.

Visualizzazione di un rendering volumetrico di una spirale 3D.

Visualizzazione di un rendering volumetrico di una spirale 3D. 

In altre applicazioni, puoi visualizzare i dati 3D come piani 2D all’interno di un sistema di coordinate tridimensionale.

Visualizzazione di un volume 3D come piani 2D.

Visualizzazione di un volume 3D come piani 2D.

Filtraggio e correzione di immagini

Le immagini 3D, normalmente, contendono rumore indesiderato che oscura o toglie enfasi alle feature dei volumi di interesse. Applicare filtri immagine, normalizzare il contrasto dell’immagine o eseguire operazioni morfologiche sono tecniche comuni per eliminare il rumore dalle immagini 3D.

Registrazione di immagine

Quando si lavora con set di dati di immagini 3D, le immagini vengono normalmente ottenute da dispositivi diversi oppure da un dispositivo in movimento, il che può introdurre disallineamento attraverso differenze di rotazione, calcolo e deviazione. Puoi eliminare o ridurre questo disallineamento utilizzando trasformazioni geometriche 3D e tecniche di registrazione di immagine.

Registrazione automatica su immagini mediche multimodali

Registrare immagini mediche multimodali

Segmentazione di immagini

Quando viene analizzato un volume o un’immagine 3D, è possibile isolare alcune regioni per eseguire calcoli solo sull’area di interesse. Ad esempio, se vuoi calcolare il volume di una bottiglia all’interno di una scatola, puoi utilizzare la segmentazione di immagini per suddividere l’immagine 3D tra la bottiglia e le altre strutture nella scatola.

Elaborazione di immagini 3D con MATLAB

MATLAB fornisce applicazioni interattive e funzioni per accelerare i flussi di lavoro di elaborazione di immagini 3D. Esplora i seguenti esempi per scoprire di più sull’uso di MATLAB per le tue attività di elaborazione di immagini 3D.

Importare dati di immagini 3D

Con MATLAB puoi utilizzare applicazioni interattive o funzioni integrate per importare dati immagine 3D da un’ampia gamma di formati di file come TIFF, DICOM o NIfTI.

L’applicazione DICOM Browser consente di esplorare le raccolte di file DICOM e di esportare i dati ad altre applicazioni MATLAB o al workspace.

L’applicazione DICOM Browser consente di esplorare le raccolte di file DICOM.

Visualizzare dati volumetrici

MATLAB consente di visualizzare ed esplorare dati immagine 3D etichettati o non etichettati.

L’applicazione Volume Viewer consente di interagire e visualizzare dati 3D volumetrici o dati 3D volumetrici etichettati.

L’applicazione Volume Viewer consente di interagire e visualizzare dati 3D volumetrici o dati 3D volumetrici etichettati.   

Registrare immagini 3D da diverse modalità

MATLAB supporta immagini ottenute da diverse modalità integrandole tramite flussi di lavoro di registrazione di immagine integrati.

Quest’esempio mostra come allineare automaticamente due set di dati volumetrici utilizzando una registrazione basata sull’intensità.

Quest’esempio mostra come allineare automaticamente due set di dati volumetrici utilizzando una registrazione basata sull’intensità. 

Operazioni di filtraggio e correzione di immagini

Con MATLAB puoi ridurre il rumore o correggere le immagini utilizzando una serie di tecniche di filtraggio delle immagini come il filtraggio gaussiano, il filtraggio box e la morfologia delle immagini.

Quest’esempio mostra come rifinire immagini MRI di un cervello umano utilizzando il filtraggio gaussiano 3D.

Quest’esempio mostra come rifinire immagini MRI di un cervello umano utilizzando il filtraggio gaussiano 3D.

Segmentare componenti di dati 3D

MATLAB fornisce applicazioni interattive e funzioni integrate che favoriscono l’automazione delle routine di segmentazione di immagini 3D.

Quest’ esempio mostra come eseguire una segmentazione 3D utilizzando i contorni attivi (snakes). Segmenta in modo interattivo piani 2D del volume utilizzando Image Segmenter app per creare un punto di partenza per l’algoritmo di contorno attivo .

Elaborazione di immagini  in 3D utilizzando il deep learning

Un approccio di deep learning per l’elaborazione di immagini 3D può implicare l’uso di reti neurali convoluzionali e la segmentazione semantica per imparare, rilevare ed etichettare automaticamente feature rilevanti nelle immagini 3D.

Quest’esempio mostra come utilizzare MATLAB per addestrare una rete U-Net 3D ed eseguire una segmentazione semantica di tumori cerebrali in immagini 3D.