Medical Imaging Toolbox
Visualice, registre, segmente y etiquete imágenes médicas en 2D y 3D
¿Tiene preguntas? Comuníquese con ventas.
¿Tiene preguntas? Comuníquese con ventas.
Medical Imaging Toolbox ofrece apps, funciones y flujos de trabajo para diseñar y probar aplicaciones de diagnóstico por imagen. Puede realizar renderización y visualización en 3D, registro multimodal, y segmentación y etiquetado de imágenes de radiología. Asimismo, la toolbox permite entrenar redes de Deep Learning predefinidas, con Deep Learning Toolbox.
Puede importar, preprocesar y analizar imágenes de radiología de varias modalidades de captura de imágenes médicas, tales como proyección de rayos X, tomografía computarizada (TC), resonancia magnética (IRM), ultrasonido (US) y medicina nuclear (PET, SPECT). La app Medical Image Labeler permite automatizar parcialmente el etiquetado en 2D y 3D para utilizarlo en flujos de trabajo de IA. Puede efectuar registro multimodal de imágenes médicas, tales como imágenes en 2D, superficies en 3D y volúmenes en 3D. La toolbox proporciona un entorno integrado para realizar diagnóstico computarizado de extremo a extremo y análisis de imágenes médicas.
Lea datos y metadatos de imágenes en formatos de archivos médicos especializados, tales como DICOM, NIfTI y NRRD, que almacenan información sobre el paciente, el procedimiento de captura de imágenes y referencia espacial.
Utilice herramientas interactivas para visualizar datos de imágenes médicas en 2D y 3D. Genere y renderice superficies y volúmenes en 3D.
Utilice la app Medical Image Labeler para etiquetar interactivamente datos de validación ground-truth, automatizar el proceso de etiquetado total o parcialmente, y exportar los datos etiquetados para utilizarlos en flujos de trabajo de IA.
Mejore la calidad de las imágenes utilizando técnicas de preprocesamiento. Mejore la eficacia de las redes de Deep Learning aumentando la intensidad aleatoriamente para ampliar el conjunto de datos de entrenamiento.
Compare volúmenes, superficies o imágenes médicas multimodales utilizando registro de la imagen para aplicar un sistema de coordenadas común.
Segmente imágenes en 2D o volúmenes en 3D en regiones tales como huesos, tumores u órganos utilizando técnicas tradicionales o de Deep Learning, y evalúe la precisión de las regiones.
“Diagnóstico de nódulos tiroideos a partir de imágenes médicas de ultrasonidos con Deep Learning”
Eunjung Lee, Escuela de Matemáticas e Informática (CSE), Universidad Yonsei
30 días de exploración a su alcance.
Obtenga información sobre precios y explore productos relacionados.
Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.