我最近开始研究深度学习在医学成像中的应用。在处理 BraTS 数据集中的 MRI 图像时，我观察到前几帧和最后几帧总是完全空的（黑色）。我想问那些已经在该领域工作的人，有没有办法在训练前以程序方式将它们删除，并在训练后作为后处理步骤正确添加它们（以符合地面实况分割的形状）？有人试过吗？我在谷歌上找不到任何结果。所以在这里问。
编辑：我认为我的观点不够清楚。我的意思是说每次MRI 扫描的前几帧和最后几帧都是空的。如何处理这些是我想问的。
处理 MRI 图像中的空帧
人工智能
深度学习
计算机视觉
自动编码器
2021-10-19 22:40:18
2个回答
我研究过 BRATS 数据集，我可以验证这几乎是标准过程。除了扔掉完全空白的图像外，我还扔掉了序列开头和结尾的显示双桨尖端和颈部底部的图像。
通常在处理 MRI 时，我使用脚本来执行此操作（将其视为预处理步骤）我在每个图像上运行，计算具有正强度的像素数量（我实际上为此添加了一个小值以考虑噪声）。假设对于值为 0-255 的图像，我计算强度超过 10-15 的像素数量，我们称之为. 之后我设置了一个阈值（根据经验），我们称之为并丢弃图像.
特别是对于 BRATS，因为您有标签，所以您可以查看其中哪些具有所需的类并丢弃其余的大部分。如果您尝试在数据集上训练网络，您将面临巨大的不平衡率。由于这个原因，我在训练网络时遇到了麻烦，而我获得的最大成功是当我丢弃了大部分不相关的图像时。
作为图像分析专家，我认为这不是问题。我从未使用过您描述的特定数据集中的 MRI 图像，但我发现包含图像的文件的格式是 NIfTI。NIfTI 文件可以在 Matlab（niftiread 函数）、ImageJ 和 Python（NiBabel-Nipy）中导入。因此，您应该能够编写一个脚本来从文件中导入图像，选择要保留的图像，并保存输出与输入的格式相同 (NIfTI)。