文件名称：matlab灰度处理代码-Mammographic-mass-CAD-via-pseudo-color-mammogram-and-Mask-
文件大小：9.81MB
文件格式：ZIP
更新时间：2024-06-12 12:45:34
系统开源
matlab灰色处理代码通过伪彩色乳房X线照片和Mask R-CNN进行全自动计算机辅助质量检测和分割 通过伪彩色乳房X线照片和Mask R-CNN同时检测和分割乳房X线照片的算法。 代码：[GitHub存储库–] 遮罩R-CNN代码：[GitHub存储库–] 数据： 训练有素的模型示例：[GitHub页面-] 简而言之 所提出的方法使用多尺度形态筛分法（MMS）将常规的灰度X线乳房X线照片转换为伪彩色X线乳房X线照片。 MMS可以在指定的大小范围内增强类似病变的模式。 在MMS中使用两个比例尺，并生成两个输出图像。 然后将这两个图像附加到灰度乳房X线照片上，以形成RGB伪彩色图像。 如上图所示，类似病灶的图案在新的伪彩色图像中将显示与背景的颜色对比（黑线表示注释，青色线表示通过所提出的方法生成的分割）。 然后将伪彩色乳房X线照片用作Mask R-CNN的输入。 Mask R-CNN经过训练可以同时检测和分割乳腺肿块。 我们注意到，与使用常规的灰度X线照片相比，使用伪彩色X线照片可以改善Mask R-CNN的检测和分割性能。 如何使用代码： 该方法包括3个步骤：预处理，伪彩色图像生成和
【文件预览】：
Mammographic-mass-CAD-via-pseudo-color-mammogram-and-Mask-R-CNN-master
----Preprocess_mammo.py(3KB)
----overlay.py(920B)
----TPR_FPR.m(2KB)
----Morphological_sifter.m(2KB)
----LICENSE.txt(1KB)
----Mask_r_cnn()
--------readme.txt(112B)
----mamo_CAD.py(11KB)
----Pseudo_color_image_generation.m(3KB)
----Preprocess_mammo_mask.py(3KB)
----calculate_dice.m(377B)
----Morphological_filter_bank.m(1KB)
----README.md(4KB)
----scans()
--------raw_annotation()
--------raw_mammogram()
--------preprocessed_mask()
--------seg_mask_overlay()
--------preprocessed_image()
--------preprocessed_mask1()
--------pseudo_color_image()
--------seg_mask()
----Normalization_mask.m(471B)
----utility.py(680B)
----overlay_detection_segmentation_results.m(3KB)
----Read_files_in_folder.m(732B)
----m_boundray.m(1KB)