高频注入的ST的源码，找的好辛苦啊，

PFN-CT V1.0.13.zip

基于 Matlab GUI 的医学图像处理及分析系统 。 ，主界面显示了本次设计包含的三个设计方面。 如图 2，CT 分析，包含读入数据集之后的被试者信息提示，显示平面选择， 显示窗选择，拖动切换图像，ROI 的勾画与信息计算。 如图 3，PET 显示，包含拖动切换，原始 PET 图像的显示，和假彩色 PET 图 像的显示。 如图 4，CT-PET 图像的融合，包含 CT-PET 的分别显示，拖动切换，融合系 数设置，和最终的融合显示。

提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断。使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确率、敏感度、特异度及接受者操作特性曲线(ROC)下面积(AUC)分别达94.98%、90.02%、97.03%及97.43%。实验结果表明,所提方法能准确地判别肺结节的良恶性,并优于大部分主流方法。

包括对原始图像的扇束投影数据的模拟生成，和对投影数据的反投影重建图像两个过程。使用经典的RL滤波函数重建，main.m为主函数，参数可变。

脊柱三维重建原始CT数据，是进行脊柱侧弯三维重建以及研究的重要资料

利用matlab进行FDK算法重建，最后得出结果，各个方向上的数据，FDK算法主要分为三步：第一步是对投影数据进行加权，第二步是对加权后的数据进行滤波，第三步是对滤波后的数据进行反投影，最后得到重建数据。

一个三维花重建算法，用于医学CT图像的三维重建

训练神经网络需要大量数据，目标检测中需要先进行标记。肺结节的检测非常普遍。现分享一个自己在胸部CT肺质标记的方法。

CT扫描得到的数据信息进行可视化处理，重构成三维的结构，用于特征拾取，缺陷检测，孔隙率测量，三维结构二值化处理，壁厚分析等。是软件VGStudiod很好的使用教程