医学分割十项全能中的Task02_Heart(.nii文件)，包含19个训练集和10个测试集，label标记为背景和左心房两类。

医学图像分割与配准(ITK实现分册)，ITK编程中文教材。学习ITK编程的同学注意了，ITK编程中文教材很难得哦！

fds文件转图片处理程序

医学图像处理 图像增强算法 可看清一些看不到的细节

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。

本数据集是一个癌症CT图像数据，包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。

医学图像编程技术-代码资源.rar

下载官方原版的11版用户手册,然后自己花了半天时间编辑三层书签,共使用了三款软件,反复校对,眼睛都看花了.造福伸手党。

该数据集共包含40张视网膜血管图像，这40张图像已分为训练和测试集，均包含20张图像。如果没有积分，可关注我然后在评论区留下邮箱，将发送至邮箱。

批注工具源代码 在这里，您将找到用于在服务器上安装LabelMe批注工具的源代码。 LabelMe是用Javascript编写的用于在线图像标记的注释工具。 与传统的图像批注工具相比，优点是您可以从任何地方访问该工具，并且人们可以帮助您对图像进行批注，而不必将大型数据集安装或复制到他们的计算机上。 引文： BC Russell，A。Torralba，KP Murphy，WT Freeman。 LabelMe：用于图像注释的基于数据库和基于Web的工具。 国际计算机视觉杂志，77（1-3）：157-173，2008年。 下载： 您可以直接下载的。 另外，您可以按如下所示从GitHub克隆它： $ git clone https://github.com/CSAILVision/LabelMeAnnotationTool.git 内容： 图片-这是您的图片所在。 注释-这是收集注释