U-Net进行脑部分割 PyTorch中的U-Net实现基于深度学习分割算法进行脑部MRI FLAIR异常分割，该算法用于。 该存储库是中官方MATLAB / Keras实现的全Python端口。 提供了经过训练的模型的权重，这些权重可用于对其他数据集进行推断或微调。 如果您使用此存储库中共享的代码或权重，请考虑引用： @article{buda2019association, title={Association of genomic subtypes of lower-grade gliomas with shape features automatically extracted by a deep learning algorithm}, author={Buda, Mateusz and Saha, Ashirbani and Mazurowski, Maciej A

matlab脑部代码脑部MR和CT合成 这是用于脑部CT和MRI的基于模型的图像合成（翻译）的代码。 给定有效输入模态（MR-T1w，MR-T2w，MR-PDw，CT）的任何组合，将综合缺少的模态。 例如，如果对象仅进行了T1w扫描，则将合成CT，PDw和T2w扫描： 该实现是在MATLAB中完成的，并且取决于SPM12软件包（及其MB工具箱）。 该代码应该适用于原始图像; 也就是说，预先进行最少的预处理。 此外，由于它是完全不受监督的，因此不需要任何培训。 如果您认为该代码有用，请考虑在“参考”部分中引用该出版物。 依存关系 该算法是使用MATLAB开发的，并依赖于SPM12软件的外部功能。 因此，以下是必需下载的文件，需要将其放置在MATLAB搜索路径中（使用addpath ）： SPM12：从下载。 拍摄工具箱： SPM12工具箱目录中的“拍摄”文件夹。 纵向工具箱： SPM12工具箱目录中的“纵向”文件夹。 Multi-Brain工具箱：下载/克隆并按照安装说明进行操作。 用例范例 此示例代码从输入的T1w MRI合成CT，PDw和T2w扫描。 输出将写在odir文件夹中，前缀

matlab代码影响auto_acpc_reorient：使用SPM12跨平台自动AC-PC自动重新排列/重新定向和对脑部损害具有稳健性 使用SPM 12中的模板匹配功能，为健康志愿者和脑部受损患者提供跨平台的自动AC-PC重新排列/重新定向和共心功能。 这是一组使用工具箱执行自动重定向和配准的例程。 描述 设置AC-PC并重新定位图像是对象间组分析中的一个经常性问题，因为它们依赖于像SPM12的“统一分割”之类的共调方法，该方法对初始条件最为敏感（对SPM12的起始方向）。图像）。 主要功能auto_acpc_reorient.m ， auto_acpc_reorient.m自动（但近似）计算到MNI空间中目标模板的重定向变换： 使用spm_affreg计算输入图像到MNI空间中目标模板上的非线性共spm_affreg ， 然后使用共同直方图（spm_coreg）上的互信息来计算另一个变换，然后仅应用两个核心图中的刚体变换部分来重新定向输入图像。 这样可以主要在AC上设置原点并校正磁头旋转，以便进一步进行图像的分割/归一化。 整个重新定向方案都依赖于“模板匹配”原理（如在旧的规范化功

基于模糊C均值聚类的脑部MR图像分割算法软件工程研究.docx

【图像分割】基于FCM和改进的模糊聚类FCM实现脑部CT图像分割matlab源码.md

matlab中的GM模型代码CTseg：脑部CT分割，标准化，颅骨剥离和总脑/颅内体积计算 概述 这是用于对计算机断层扫描（CT）脑部扫描进行分割和空间归一化的算法。 该模型是流行的统一分割例程（SPM12软件的一部分）的扩展，具有：改进的配准，高斯混合模型参数的先验知识，从MRI和CT（更多类）中学习的地图集。 这些改进导致了更强大的分割程序，该程序可以更好地处理具有大量噪声和/或较大形态变异性的图像（请参见上图）。 该算法可以产生以下的原始|经调制的空间分段： 灰质（GM） 白质（WM） 脑脊液（CSF） 骷髅头（骨） 软组织（ST） 背景（BG） 该实现是在MATLAB中完成的，并且取决于SPM12软件包（及其MB工具箱）。 如果您发现该代码很有用，请考虑引用“参考”部分中的出版物。 更多详细信息 CTseg的输入应作为NIfTI文件（ .nii ）提供。 所得组织分割的格式与SPM12分割例程的输出格式相同（ c* ， wc* ， mwc* ）。 归一化的分割（ wc* ， mwc* ）在MNI空间中。 默认情况下，将生成输入图像的不ss_骨的版本（将ss_前缀为原始文件名）。

一种基于模糊核聚类的脑部磁共振图像分割算法.pdf

本资源包含基于Matlab深度学习（Deep Learning）的3-D U-Net 神经网络进行3-D脑部肿瘤(MRI)的分割及三维重建完整源码和所用到的BraTS数据集。 包含 一、下载训练、验证和测试数据 二、下载预训练网络和样本测试集 三、3-D U-Net 网络训练 四、执行测试数据的分割 五、dice量化分割精度 本资源配套CSDN博客“基于Matlab深度学习（Deep Learning）的3-D U-Net 神经网络进行3-D脑部肿瘤(MRI)的分割及三维重建”，可 前往查看具体原理和实现效果！！！ 希望对大家有帮助,好的话帮忙点个赞哦！感谢支持！！！

用了10张脑部CT图像，matlab脚本文件，显示出三维图像。

matlab实现的三维医学图像分割，处理的是MRI的dicom图像，能有效分割脑白质和灰质，并计算体积，内附测试图像，可直接运行。