DUKE大学BOE数据集 OCT图像积液分割数据集

2023-10-09 15:20

本文主要是介绍DUKE大学BOE数据集 OCT图像积液分割数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

使用此数据集用来做积液分割研究

地址:http://people.duke.edu/~sf59/Chiu_BOE_2014_dataset.htm
图片来源:https://joi.usst.edu.cn/html/2021/3/20210305.htm

使用python将.mat转换为图片格式

#对BOE .MAT格式文件处理成图片
import cv2
import scipy.io as scio
import os# [0,1]=>[0,255]
def changeImg(gray):H, W = gray.shapefor i in range(0, W):for j in range(0, H):if gray[j, i] != 0:gray[j, i] = 255return grayfolder = 'BOE/2015_BOE_Chiu'
path = os.listdir(folder)
srcdst = 'BOE/img/srcimg/'
m1dst = 'BOE/img/m1img/'
m2dst = 'BOE/img/m2img/'for each_mat in path:print(each_mat)first_name, second_name = os.path.splitext(each_mat)print('mat名',first_name,first_name[-2:])# 拆分.mat文件的前后缀名字,注意是**路径**# breakeach_mat = os.path.join(folder, each_mat)array_struct = scio.loadmat(each_mat)img_data = array_struct['images'] # 原图像src_count = img_data.shape[2] #图像个数# print(img_data[0][0],img_data[1],img_data[2])for i in range(src_count):cv2.imwrite(srcdst + first_name[-2:] + '/img' + first_name[-2:] +'index'+str(i)+ '.jpg', img_data[:, :, i])manual1_data = array_struct['manualFluid1']  # 标注1m1_count = manual1_data.shape[2] #图像个数for i in range(m1_count):manual1_img = changeImg(manual1_data[:, :, i])cv2.imwrite(m1dst + first_name[-2:] + '/img' + first_name[-2:] + 'index' + str(i) + '.jpg', manual1_img)manual2_data = array_struct['manualFluid2']  # 标注2m2_count = manual2_data.shape[2] #图像个数for i in range(m2_count):manual2_img = changeImg(manual2_data[:, :, i])cv2.imwrite(m2dst + first_name[-2:] + '/img' + first_name[-2:] + 'index' + str(i) + '.jpg', manual2_img)# break

更新

2022-6-2
鉴于大家由于代码执行失败造成分割不成功的情况,留言给我要数据集。
我把数据集上传了,在这个链接https://download.csdn.net/download/baidu_37336262/85524491,积分设置5积分,没有积分下载的再留言找我要吧,看到就回。

PS:同学们点点关注,点点赞,我的博客收藏比关注多,emo…

这篇关于DUKE大学BOE数据集 OCT图像积液分割数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/173749

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav