Skip to content

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.ndimagePython 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