文件名称：matlab图像分割肿瘤代码-Automated-Brain-Tumor-Segmentation-Based-on-Multi-Planar
文件大小：785KB
文件格式：ZIP
更新时间：2024-06-10 22:09:48
系统开源
matlab图像分割肿瘤代码为本研究实施的数据库是MICCAI BRATS-2015数据集。 所有图像均通过3D切片器软件进行MRI偏差校正和直方图匹配算法。 每个代码都有关于该过程的足够注释。 该代码应按其出现顺序执行。 有关详细信息，请参见： Imtiaz T，Rifat S，Fattah SA，Wahid KA。 基于从3D MR图像提取的多平面超像素水平特征的自动脑肿瘤分割。 IEEE访问。 2019十二月23（）。 整个过程在Intel CoreTM i7-8700 3.2 GHz（x12）处理器，8 GB RAM上执行。 该代码是在MATLAB中实现的，尚未进行优化。 如有任何建议或疑问，请给您宝贵的意见。 您必须从matlab下载有关极端随机树（ERT）分类器算法的必要功能。 ERT代码参考：1。 gabor方向选择是基于以下算法实现的：“ WY Han，JC Lee，“使用自适应gabor滤波器进行棕榈静脉识别”，《专家系统与应用》，第39卷，第18期，第13225-13234页， 2012。 数据集：要获取用于该项目的数据，请单击链接：
【文件预览】：
Automated-Brain-Tumor-Segmentation-Based-on-Multi-Planar-Superpixel-Level-Features-master
----histogramstandart1ce.PNG(65KB)
----flairmaxonwholetumor.PNG(42KB)
----flairmedianonwholetumor.PNG(42KB)
----compactness5.PNG(161KB)
----BoxPlotforT2.png(57KB)
----5. pixel_label_dice_score_for_single_plane.m(10KB)
----histogramstandar.PNG(68KB)
----2. Selection_of_Statistical_Feature.m(10KB)
----histogramstandart2.PNG(68KB)
----6. Pixel_labelling_based_on_three_planar_score.m(2KB)
----flairmeanonwholetumor.PNG(43KB)
----README.md(1KB)
----4. Prediction_of_superpixel_label.m(3KB)
----BoxPlotfort1c.png(56KB)
----1. Extraction_of_features_from_Three_modality.m(5KB)
----BoxPlotforflair.png(57KB)
----orientationpick.PNG(16KB)
----flairmadonwholetumor.PNG(38KB)
----HG11Tumor.PNG(123KB)
----3. Gabor_orientation_selection.m(3KB)