应用于3D图像配准的硕士论文，对于配准的基本原理和相应的3D配准算法有比较详细的描述

《医学图像编程技术》光盘源码part1 vtk开发相关

文献：Uncertainty-aware Self-ensembling Model for Semi-supervised 3D Left Atrium Segmentation（半监督方法：不确定性感知自增强模型） 原文：https://arxiv.org/abs/1907.07034 代码：https://github.com/yulequan/UA-MT

随着计算机断层技术（computed tomography，CT）、磁共振成像（magnetic resonance imaging, MRI ）和超声（ultrasonography， US ）等医学影像技术的应用，可以得到病人病变部位的一组二维断层图像、通过这些二维断层图像医生可以对病变部位进行分析，从而使得医学诊断和治疗技术取得了很大的发展。但是，这些医疗仪器提供的人体内部二维图像表达的只是某一界面的解剖信息，医生们只能凭经验由多幅二维图像去估计病灶的大小及形状，“构思”病灶与其周围组织的三维几何关系，这种方法极大程度地依赖于医生的主观想象和临床经验，缺乏直观性和准确性。通过二维断层图像构建人体器宫、软组织和病变体等的三维模型并进行三维显示的三维可视化技术，能够给子医务人员以直观的感觉，从而提高医疗诊断和治疗规划的准确性与科学性。医学图像的三维重建最早可以追溯到20 世纪70 年代初，那时刚发明了医用CT 扫描机，Greenleaf，Tu和Wood 三人于1970 年在IEEE 的核科学分册上发表了从体素的角度研究医学图像三维重建问题的文章[1]。国外在三维可视化方面研究最多的国家属日本，具次是美国和英国。我国的清华大学，浙江大学和中科院自动化研究所等单位从90 年代开始长期致力于这方而的研究，并取得了一定的成果。

本书基本是ITK指导手册的中文翻译，详细目录请去相关网站查询

dicom数据集.zip

数字医学图像有其特殊性，为便于医生的正确诊断，需要对图像进行增强处理。根据数字医学图像的特点，提出了类似Retinex方法。该方法采用梯度和context构成的平滑函数平滑图像，利用类似Retinex原理增强图像，并对增强后的图像施行二次变空间拉伸。实验及主客观分析表明：该方法对数字医学图像增强的综合效果明显优于直方图均衡、同态滤波和多尺度Retinex方法。

灰度特征提取matlab代码耦合特征学习用于多模态医学图像融合 参考：FG Veshki，N Ouzir，SA Vorobyov，E Ollila，用于多模式医学图像融合的耦合特征学习，2021年，arxiv.org ％运行脚本文件“ Demo_gray.m”，“ Demo_color.m”和“ Demo_IV”。 （在“融合问题”标签中更改融合方式） ％要求：MATLAB的mex编译器 ％用于提取和重建图像补丁以及可视化字典原子的代码来自SPAMS工具箱。 （文件夹“实用程序”中的文件“ mexExtractPatches.m”，“ mexCombinePatches.m”和“ displayPatches.m”。）

提供MICCAI_BraTS2018\2019\2020数据集百度网盘链接

nii格式医学图像查看器. MacOS版, m1可用. 外网下载,