Medindo a intensidade

Análise de Imagens Biomédicas em Python

Stephen Bailey

Instructor

Medindo a intensidade

Temos os seguintes rótulos para um único volume da série temporal cardíaca:

Ventrículo esquerdo
Porção central

imagem do coração em 2D com rótulos

Funções

`scipy.ndimage.measurements`

ndi.mean()

ndi.median()

ndi.sum()

ndi.maximum()

ndi.standard_deviation()

ndi.variance()

Funções aplicadas em todas as dimensões, opcionalmente em rótulos específicos.

Funções personalizadas:

ndi.labeled_comprehension()

Chamando funções de medição

import imageio.v2 as imageio
import scipy.ndimage as ndi
vol=imageio.volread('SCD-3d.npz')
label=imageio.volread('labels.npz')

# Todos os pixels
ndi.mean(vol)

3.7892

# Pixels rotulados
ndi.mean(vol, label)

89.2342

# Rótulo 1
ndi.mean(vol, label, index=1)

163.2930

# Rótulos 1 e 2
ndi.mean(vol, label, index=[1,2])

[163.2930, 60.2847]

Histogramas de objetos

hist=ndi.histogram(vol, min=0, max=255, bins=256)

obj_hists=ndi.histogram(vol, 0, 255, 256, 
                        labels, index=[1, 2])
len(obj_hists)

Histogramas de objetos

plt.plot(obj_hists[0], 
   label='Left ventricle')
plt.plot(obj_hists[1], 
   label='Other labelled pixels')
plt.legend()
plt.show()

gráfico de histogramas

Histogramas com vários tipos de tecido terão vários picos
Histogramas de tecido bem segmentado geralmente parecem uma distribuição normal

Vamos praticar!

Análise de Imagens Biomédicas em Python