Mäta intensitet

Biomedicinsk bildanalys i Python

Stephen Bailey

Instructor

Mäta intensitet

Vi har följande etiketter för en enskild volym av den kardiella tidsserien:

Vänster kammare
Central del

hjärtbild-2d med etiketter

Funktioner

`scipy.ndimage.measurements`

ndi.mean()

ndi.median()

ndi.sum()

ndi.maximum()

ndi.standard_deviation()

ndi.variance()

Funktioner tillämpade över alla dimensioner, valfritt för specifika etiketter.

Anpassade funktioner:

ndi.labeled_comprehension()

Anropa mätfunktioner

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

# All pixels
ndi.mean(vol)

3.7892

# Labeled pixels
ndi.mean(vol, label)

89.2342

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

163.2930

# Labels 1 and 2
ndi.mean(vol, label, index=[1,2])

[163.2930, 60.2847]

Objekthistogram

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)

Objekthistogram

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

histogram-diagram

Histogram som innehåller flera vävnadstyper har flera toppar
Histogram för välsegmenterad vävnad liknar ofta en normalfördelning

Nu kör vi en övning!

Biomedicinsk bildanalys i Python