深度学习的预处理卷
读取体积数据
万博1manbetx体积图像数据的支持文件格式包括MAT文件，数字成像和医学中的通信（DICOM）文件和神经影像信息技术计划（NIFI）文件。
将容积图像数据读入imageageAtastore.．将体积像素标记数据读入一个PixelLabelDatastore（电脑视觉工具箱）．有关更多信息，请参阅深入学习的数据购物．
该表显示了典型的用途imageDatastore和pixelLabelDatastore对于每个受支持的文件格式。万博1manbetx创建数据存储时，请指定“FileExtensions”参数作为数据的文件扩展名。指定readfcn.属性作为函数句柄，可读取文件格式的数据。这filepath参数指定包含图像数据的文件或文件夹的路径。对于像素标签图像，附加一会和Pixellabelid.参数指定Voxel标签值的映射到类名。
图像文件格式 |
创建图像数据存储或像素标签数据存储 |
|---|---|
垫 |
volds = imageDatastore (filepath,......“FileExtensions”那“.mat”那'readfcn'，@（x）fcn（x））;pxds = pixellabeldataStore（Filepath，ClassNames，Pixellabelid，......“FileExtensions”那“.mat”那'readfcn'，@（x）fcn（x））; fcn是一个自定义函数，可从垫文件中读取数据。例如，此代码定义了一个调用的函数matRead从MAT文件的第一个变量加载卷数据。将函数保存在一个名为基马．
函数data = matRead(filename) inp = load(filename);f =字段(输入);=输入的数据。(f {1});结尾 |
单个文件中的DICOM卷 |
volds = imageDatastore (filepath,......“FileExtensions”那'.dcm'那'readfcn'，@（x）dicomread（x））;pxds = pixellabeldataStore（Filepath，ClassNames，Pixellabelid，......“FileExtensions”那'.dcm'那'readfcn'，@（x）dicomread（x））; 有关读取DICOM文件的详细信息，请参见 |
DICOM卷在多个文件 |
按着这些次序。例如，看到创建包含单文件和多文件DICOM卷的镜像数据存储(图像处理工具箱)．
|
NIfTI |
volds = imageDatastore (filepath,......“FileExtensions”那'.nii'那'readfcn'@ (x) niftiread (x));pxds = pixellabeldataStore（Filepath，ClassNames，Pixellabelid，......“FileExtensions”那'.nii'那'readfcn'@ (x) niftiread (x)); 有关读取NIFI文件的更多信息，请参阅 |
关联图像和标签数据
若要将容积图像和标签数据关联起来进行语义分割，或将两个容积图像数据存储关联起来进行回归，请使用randomPatchExtractionDatastore(图像处理工具箱)．随机补丁提取数据存储从两个数据存储中提取相应的随机位置补丁。在进行任意大容量的训练时，修补是一种常见的防止内存耗尽的技术。指定一个与网络的输入大小匹配的补丁大小，并且为了内存效率，补丁大小要小于卷的完整大小，例如64 × 64 × 64体素。
你也可以使用结合函数关联两个数据存储。但是，使用randomPatchExtractionDatastore有几个好处结合．
randomPatchExtractionDatastore万博1manbetx支持并行训练、多gpu训练和预取读取。指定并行或多gpu训练使用'的名称-值对参数ExecutionEnvironment'trainingOptions．属性指定预取读取'的名称-值对参数DispatchInBackground'trainingOptions．预取读数需要并行计算工具箱™。randomPatchExtractionDatastore本质上支持补丁提取。万博1manbetx相比之下，从a中提取斑块ConventDatastore.，您必须定义自己的函数，将图像删除到修补程序中，然后使用变换应用裁剪操作的功能。randomPatchExtractionDatastore可以从一幅测试图像生成多个图像补丁。一对多的patch提取有效地增加了可用的训练数据量。
预处理体积数据
深度学习通常需要对数据进行预处理和增强。例如，您可能希望对图像强度进行归一化、增强图像对比度或添加随机仿射变换以防止过拟合。
要预处理体积数据，请使用变换功能。变换创建数据存储的更改形式，称为底层数据存储，通过根据自定义函数中定义的操作集转换底层数据存储读取的数据。图像处理工具箱™提供了几个接受体积输入的函数。有关函数的完整列表，请参见3-D体积图像处理(图像处理工具箱)．您还可以使用MATLAB中的函数进行预处理体积图像®这对多维阵列的工作。
属性返回的格式中，自定义转换函数必须接受读底层数据存储的功能。
底层数据存储 |
自定义转换功能的输入格式 |
|---|---|
imageageAtastore. |
对自定义变换功能的输入取决于
有关更多信息，请参阅 |
PixelLabelDatastore |
对自定义变换功能的输入取决于
有关更多信息，请参阅 |
RandompatchExtractionDatastore. |
对自定义转换函数的输入必须是具有两列的表。 有关更多信息，请参阅 |
一种RandompatchExtractionDatastore.对象不支持万博1manbetxDataAugmentation属性用于容量数据。要对此类数据存储中的容量数据应用随机仿射转换，必须使用变换功能。
这变换函数必须返回与网络输入大小匹配的数据。这变换函数不支持一对多的观测映射。万博1manbetx
示例:在图像数据存储中转换体积数据
此示例代码显示如何在图像数据存储中转换体积数据volds.使用功能中定义的任意预处理管道PreprocessvolumeTricimage.．这个例子假定了ReadSize的volds.大于1。
dstrain =变换（volds，@（x）预处理volumeTricimage（x，输入））;
定义PreprocessvolumeTricimage.函数，对从底层数据存储读取的数据执行所需的转换。该函数必须接受图像数据的单元格数组。该函数对批处理中的每个图像进行循环，并根据预处理管道对图像进行转换:
随机旋转图像Z.设在。
将卷的大小调整为网络所期望的大小。
创建带有高斯噪声的图像的噪声版本。
返回单元格数组中的图像。
函数dataOut = preprocessVolumetricImage(data,inputSize) numRows = size(data,1);dataOut =细胞(numRows, 1);为了idx = 1: numRows％对Z轴进行随机的90度旋转data = imrotate3(数据{idx 1}, 90 *(兰迪(4)1),[0 0 1);将卷大小调整为网络所期望的大小dataClean = imresize(数据、inputSize);％添加零均匀高斯噪声，其常规方差为0.01dataNoisy = imnoise (dataClean,'高斯', 0.01);％返回预处理的数据dataout（idx）= DataNoisy;结尾结尾
示例:在随机补丁提取数据存储中转换容量数据
这个示例代码展示了如何在随机补丁提取数据存储中转换容量数据volpatchds.使用功能中定义的任意预处理管道AugmentVolumetricpatch.．这个例子假定了ReadSize的volpatchds.为1，网络响应是像素标签数据存储中的像素标签图像。
dstrain =变换（volpatchds，@（x）augmentvolumetricpatch（x））;
定义AugmentVolumetricpatch.函数，对从底层数据存储读取的数据执行所需的转换。该函数必须接受一个两列图像数据表。该函数根据本预处理管道转换数据：
随机选择五个增强中的一个。
对两个图像应用相同的增强。
在表中返回增强图像对。
函数dataOut = augmentVolumetricPatch(data) img = data. inputimage {1};resp = data.ResponsePixelLabelImage {1};% 5 augmented: none, rot90, fliplr, flipud, rot90(fliplr)奥古蒂= {@（x）x，@ rot90，@ fliplr，@ flipud，@（x）rot90（fliplr（x））};rndidx = randi（5,1）;Imgout =奥古蒂{rndidx}（img）;respout = augtype {rndidx}（RES）;％将增强数据作为表格返回dataout =表（{imgout}，{respout}，......'variablenames'，[“InputImage”“ResponsePixelLabelImage”]）;结尾
也可以看看
imageDatastore|trainNetwork|变换|pixelLabelDatastore（电脑视觉工具箱）|randomPatchExtractionDatastore(图像处理工具箱)
相关例子
- 创建包含单文件和多文件DICOM卷的镜像数据存储(图像处理工具箱)
- 使用深度学习的3-D脑肿瘤分割
更多关于
你也可以从以下列表中选择一个网站:
