外觀
Data Science › Image Analysis
影像分析 (Image Analysis)
古典影像處理 (classical image processing):不訓練模型,直接對影像做濾波、增強、閾值、形態學、物件量測與 registration。顯微鏡細胞核計數、組織面積量測、醫學影像體積計算,很多時候用這些方法就夠;即使之後改用 CNN / U-Net 做分割,spacing、mask、interpolation、物件量測這些概念仍然會用到。
建議順序
text
scikit-image 基本功(灰階、濾波、對比、閾值、分割、量測)→ 生醫影像(3D volume、spacing、mask、體積、registration)筆記
| 筆記 | 內容 | 回答的問題 |
|---|---|---|
| scikit-image 影像處理 | 影像即陣列、濾波、對比增強、去噪、閾值、細胞核分割(watershed)、regionprops、邊緣與角點 | 不用模型時,怎麼把影像變乾淨、分出物件並量測? |
| 生醫影像分析 | DICOM / NIfTI 讀取、shape / spacing / FOV、強度閾值、形態學、標記與量測、registration、resampling | 醫學影像怎麼從原始 volume 走到可量測的特徵? |
與其他章節的關係
| 主題 | 去哪裡 |
|---|---|
| 深度學習分割(U-Net、Cellpose、StarDist、nnU-Net) | U-Net 分割、Computer Vision |
| 成像模態原理(MRI、CT、PET、超音波) | Medical Imaging |
| 影像搭配 LLM / 多模態模型 | Multimodal |
| 臨床影像去識別化(DICOM metadata) | 匿名化 |
| 工具 | 適合 |
|---|---|
scikit-image、scipy.ndimage | Python 古典處理與量測 |
| SimpleITK、nibabel、pydicom | 醫學影像讀寫、spacing / 方向資訊、registration |
| Fiji (ImageJ)、napari | 互動檢視、手動標註、外掛生態 |
| CellProfiler | 不寫程式的批次細胞影像量測流程 |