用于锥形束CT重建工具箱RTK2.3安装配置的相关软件包

CT图像重建：使用MATLAB的计算机断层扫描图像重建项目

从69位患者的475个系列中提取出的医疗CT切片影像，以及相对应的患者年龄、形态和比对标签信息。

ct-ng1.24 所需的源文件

目的:探讨鞍上池在中国数字化可视人体(Chinese visible human,CVH)与CT、MRI上的横断面解剖形态学表现。方法:选择做64层螺旋CT和MRI头部检查的健康志愿者各60例,获得5mm层厚横断面图像。从第2例中国数字化可视人体数据集中选取与CT、MRI相对应层面的头部薄层连续横断面标本图像,对照观察鞍上池在CVH、MRI与CT图像上的正常解剖形态、毗邻及内部结构。结果:CVH图像上,鞍上池表现为六角形和五角形两种形状。CVH薄层横断面图像能连续、清晰地显示鞍上池的正常形态、毗邻及内部结构。60例CT及MRI图像上,鞍上池全部显示,但解剖结构均不及CVH清晰。鞍上池在CT、MRI横断面图像上形状变化更大,以六角形最多,五角形次之,四角形最少,相应毗邻及内部结构也有所不同。六角形鞍上池在CVH、CT、MRI上有良好的对应关系,五角形鞍上池部分相匹配,CVH图像上无四角形鞍上池。结论:通过与CT、MRI进行对照研究,中国数字化可视人体能为颅脑疾病的影像识别和诊断提供断层解剖学依据。

yeap16：CT图像骨分割 的3D创新实验室提供的“代码库。 此代码随附标题为： “使用卷积神经网络进行医学增材制造的骨骼的CT图像分割” 目前正在审查中。 目的 CT扫描的骨分割是医疗计划中必不可少的步骤。 骨结构的确切厚度，方向和位置对于制造患者特定的结构（例如手术指南和植入物）是必不可少的。 在骨骼分割期间，医学图像中的每个像素都被分类为“骨骼”或“背景”。 不幸的是，当前的算法要么缺乏鲁棒性和可靠性，要么需要乏味的手动交互（ ）。 因此，该存储库包含一个全自动的卷积神经网络（CNN），以执行CT扫描的骨骼分割。 模型训练 使用3例先前在Vrije大学医学中心接受治疗的患者的CT扫描对CNN进行了培训。 根据经验丰富的医学工程师的知识，CT扫描的每个像素都被标记为“骨头”或“背景”。 随机选择了500,000个像素，以在这些选定像素周围创建33x33的轴向补丁。 这些补丁随后

CT图像重建，基于理想卷积反投影重建算法理论,推导出相应校正偏离的卷积反投影算法,并引入单象素工件模 型估计偏离参数;根据偏离幅度给出了理想重建算法适应的范围,仿真结果证明了校正算法的有效,利用 校正算法消除了由旋转中心偏离造成的伪影,提高了图像分辨率。

本文针对遵守DICOM3.0标准的CT医学影像，详细讨论了绘制定位线的有效方案

基于有监督哈希的肺结节CT图像检索

这是一个关于胸部癌检测的项目，使用机器学习和深倾（CNN）。 我们分类和诊断，如果病人有癌症或不使用AI模型。 我们向他们提供有关癌症类型和治疗方法的信息。 我们试图收集所有数据，我们需要使模型分类的图像很容易。 所以我不得不从许多资源中获取数据来启动这个项目。 我研究了很多，从许多资源收集所有数据，并清理它为CNN。 chest-ctscan-images_datasets.txt chest-ctscan-images_datasets.zip