MedSAM in 3D Slicer: 分割一切医学图像

2024-02-08 18:04

本文主要是介绍MedSAM in 3D Slicer: 分割一切医学图像,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!

MedSAM-Lite 3D Slicer简介

这是 MedSAM 的官方 3D Slicer 插件存储库,可用于在医学图像中分割任何物体。

什么是MedSAM:点击查看这篇文章
SCI 1区论文:Segment anything in medical images

查看分割演示👇
添加视频
文中涉及到的视频前往VX查看

安装

您可以在此处观看安装步骤的视频教程(中英文):
【添加安装视频】

安装步骤

  1. 从其官方网站安装3D Slicer 网站链接。我们的插件兼容性已经通过 3D Slicer >= 5.4.0 进行了测试。
  2. 从 MedSAMSlicer 发行页 下载特定版本的插件并提取到所需位置。
  3. 在 Slicer 应用程序中,选择顶部工具栏中的Welcome to Slicer下拉菜单,然后转到Developer Tools > Extension Wizard
  4. 单击 select Extension,然后在第2步中提取的文件和目录中找到“MedSAM”文件夹。如果要求添加新模块,请接受。
  5. 现在,在Welcome to Slicer下拉菜单下,Segmentation 子菜单下,会添加“MedSAMLite”选项。通过选择它,您可以进入最后的步骤。
  6. Choose a folder以安装模块依赖项,然后单击“安装依赖项”。这可能需要几分钟时间。
  7. 重新启动 3D Slicer。

升级

**如果您安装的版本低于 v0.02:**请从第2步和第6步中删除所有现有文件,然后按照之前的说明安装新版本。

**如果您安装的版本高于 v0.02:**在模块界面顶部使用“升级模块”按钮检查并安装新的更新。

使用方法

  1. Welcome to Slicer 下拉菜单中的 Segmentation 子菜单中,增加了 MedSAMLite 选项。选择该选项,即可进入最终步骤。
  2. 加载您的图像文件。
  3. Prepare Data 折叠菜单中,您可以选择预设的预处理方法(可选,但极其有用)。
  4. Select the Region of Interest 折叠菜单中,您可以单击 Attach ROI 来选择进行分割的区域。
  5. Start Segmentation 折叠菜单中,单击 Send Image 按钮。它将把整个三维图像发送到模块的后端进行处理。这将需要几分钟时间。每个图像只需要进行一次此步骤。只要图像没有更改(新的预处理/裁剪/等),您就不需要重新进行此步骤。
    Windows 用户请注意。在此步骤中,防火墙可能会停止后端并要求权限。授予权限。在某些情况下,您可能需要重新启动计算机以更新权限。
  6. 单击 Segmentation 按钮以获取分割结果。您可以多次替换您的 ROI,或删除并重新附加它(步骤 4),而无需重新执行步骤 5 就可以重复执行步骤 6。
  7. 在同一部分中,从 SegmentationSource volume 下拉菜单中选择正确的分割组,并手动调整分割结果。您还可以为每个分割掩模分配不同的颜色。

总结

到这里各位学会了吗😜这可能是目前唯一一个教程Tina姐没有实践就发出来的(在老家无法连接服务器)。没关系,我们提供了文字+视频版教程,相信聪明的你一定可以!

文章持续更新,可以关注微公【医学图像人工智能实战营】获取最新动态,一个关注于医学图像处理领域前沿科技的公众号。坚持以实践为主,手把手带你做项目,打比赛,写论文。凡原创文章皆提供理论讲解,实验代码,实验数据。只有实践才能成长的更快,关注我们,一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文,呕心沥血

觉得写的不错的话最后,求点赞,评论,收藏。或者一键三连
在这里插入图片描述

这篇关于MedSAM in 3D Slicer: 分割一切医学图像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/691778

相关文章

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

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

SAM2POINT:以zero-shot且快速的方式将任何 3D 视频分割为视频

摘要 我们介绍 SAM2POINT,这是一种采用 Segment Anything Model 2 (SAM 2) 进行零样本和快速 3D 分割的初步探索。 SAM2POINT 将任何 3D 数据解释为一系列多向视频,并利用 SAM 2 进行 3D 空间分割,无需进一步训练或 2D-3D 投影。 我们的框架支持各种提示类型,包括 3D 点、框和掩模,并且可以泛化到不同的场景,例如 3D 对象、室

Verybot之OpenCV应用一:安装与图像采集测试

在Verybot上安装OpenCV是很简单的,只需要执行:         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试,编写一个通过USB摄像头采

【python计算机视觉编程——7.图像搜索】

python计算机视觉编程——7.图像搜索 7.图像搜索7.1 基于内容的图像检索(CBIR)从文本挖掘中获取灵感——矢量空间模型(BOW表示模型)7.2 视觉单词**思想****特征提取**: 创建词汇7.3 图像索引7.3.1 建立数据库7.3.2 添加图像 7.4 在数据库中搜索图像7.4.1 利用索引获取获选图像7.4.2 用一幅图像进行查询7.4.3 确定对比基准并绘制结果 7.

【python计算机视觉编程——8.图像内容分类】

python计算机视觉编程——8.图像内容分类 8.图像内容分类8.1 K邻近分类法(KNN)8.1.1 一个简单的二维示例8.1.2 用稠密SIFT作为图像特征8.1.3 图像分类:手势识别 8.2贝叶斯分类器用PCA降维 8.3 支持向量机8.3.2 再论手势识别 8.4 光学字符识别8.4.2 选取特征8.4.3 多类支持向量机8.4.4 提取单元格并识别字符8.4.5 图像校正

模具要不要建设3D打印中心

随着3D打印技术的日益成熟与广泛应用,模具企业迎来了自建3D打印中心的热潮。这一举措不仅为企业带来了前所未有的发展机遇,同时也伴随着一系列需要克服的挑战,如何看待企业引进增材制造,小编为您全面分析。 机遇篇: 加速产品创新:3D打印技术如同一把钥匙,为模具企业解锁了快速迭代产品设计的可能。企业能够迅速将创意转化为实体模型,缩短产品从设计到市场的周期,抢占市场先机。 强化定制化服务:面

HalconDotNet中的图像特征与提取详解

文章目录 简介一、边缘特征提取二、角点特征提取三、区域特征提取四、纹理特征提取五、形状特征提取 简介   图像特征提取是图像处理中的一个重要步骤,用于从图像中提取有意义的特征,以便进行进一步的分析和处理。HalconDotNet提供了多种图像特征提取方法,每种方法都有其特定的应用场景和优缺点。 一、边缘特征提取   边缘特征提取是图像处理中最基本的特征提取方法之一,通过检

超越IP-Adapter!阿里提出UniPortrait,可通过文本定制生成高保真的单人或多人图像。

阿里提出UniPortrait,能根据用户提供的文本描述,快速生成既忠实于原图又能灵活调整的个性化人像,用户甚至可以通过简单的句子来描述多个不同的人物,而不需要一一指定每个人的位置。这种设计大大简化了用户的操作,提升了个性化生成的效率和效果。 UniPortrait以统一的方式定制单 ID 和多 ID 图像,提供高保真身份保存、广泛的面部可编辑性、自由格式的文本描述,并且无需预先确定的布局。