醫學影像處理資源整理

--- tags: CS,COPE,ImageProcessing --- # 醫學影像處理資源整理這份document是為了當醫學影像處理的roadmap而製作。 --- ## 如何開始？ ## 影像基礎概念   ### 相關課程 - 生醫影像處理 - 綜合性概念： - [Matlab醫學影像處理基礎](http://www.ym.edu.tw/~cflu/CFLu_course_matlabimage.html) - 補充：生醫資訊處理——[盧家峰老師：Matlab醫學訊號分析課程](http://www.ym.edu.tw/~cflu/CFLu_course_matlabsig.html) - [生醫影像處理基礎資源、名詞整理](http://itchen.class.kmu.edu.tw/Vision/) - 廣泛性概論硬體、方法部分概論：[Edx:Introduction Biomedical Imaging](https://www.edx.org/course/introduction-biomedical-imaging-uqx-bioimg101x-4) - 實際範例：[Exercises for 2015 Berkeley practical neuroimaging class](https://github.com/practical-neuroimaging/pna2015) - 工具系列 - Matlab影像處理基礎： - [郭彥甫老師：Matlab系列課程-影像處理（一）](https://www.youtube.com/watch?v=MwPgSz4Favw) - 還有[第二集](https://www.youtube.com/watch?v=Rhg04LfCEOI) - Python - [Intro to Python for Data Science](https://www.datacamp.com/courses/intro-to-python-for-data-science) - [Intermediate Python for Data Science](https://www.datacamp.com/courses/intermediate-python-for-data-science) - [Biomedical Image Analysis in Python](https://www.datacamp.com/courses/biomedical-image-analysis-in-python) - [Package：Nipype——Workflows and interfaces for neuroimaging packages] - 進階 - 生醫影像處理概念： - 比較重點放在裡面講述的概念、如果不會R也還好～[](https://www.coursera.org/learn/neurohacking?) - 數學、理論類 - [医学图像处理技术 Medical Image Analysis](https://www.class-central.com/mooc/2214/coursera--medical-image-analysis) - [概念性統計講解：Statical-analysis-of-fmri-data](https://www.class-central.com/mooc/1035/coursera-statistical-analysis-of-fmri-data) - 臨床 - [影像資料庫：臨床影像處理站](http://www.cancerimagingarchive.net) - [延伸筆記：MRI影像基礎](/QXfEWtoVQQGbKT6fqUDHeA) - [中國醫：醫學影像學習園地](http://www2.cmu.edu.tw/~cmcmd/ctanatomy/index.html) - [盧家峰老師：臨床影像處理系列課程](http://www.ym.edu.tw/~cflu/CFLu_course.html) - 機器學習 - 理論： - [李宏毅老師](https://www.youtube.com/channel/UC2ggjtuuWvxrHHHiaDH1dlQ/playlists) - [林軒田老師](https://www.youtube.com/playlist?list=PLXVfgk9fNX2I7tB6oIINGBmW50rrmFTqf) - 實作：[莫煩](https://morvanzhou.github.io) - [醫學影像處理特製CNN Model：U-net](https://lmb.informatik.uni-freiburg.de/people/ronneber/u-net/) ## 為什麼要學這個？這裡覺得就多多舉例，看大家能獲得些什麼吧。 - [2015/3: An advanced image-processing mobile application for monitoring skin cancer](https://www.researchgate.net/publication/277330165_An_advanced_image_processing_mobile_application_for_monitoring_skin_cancer) --- ## 基礎概念：影像分析 - 影像的自取入後，就是數據。 - [鍾孝文老師：醫學影像淺淺淺概述（大概到p.23）](http://home.ee.ntu.edu.tw/classnotes/bme2/2007/4_02_07.pdf) ### 架構圖示 ```graphviz digraph hierarchy { nodesep=0.5 rankdir=LR node [color=aquamarine,fontname=Courier,shape=box] edge [color=Blue, style=solid] {醫學影像處理[color="#fdc086",style=filled]}->{蒐集[style=filled] 處理[style=filled] 應用[style=filled]} 處理->{{前處理[style=filled,color=gray]} {主處理[style=filled,color=gray]} {後處理[style=filled,color=gray]} } {rank=same;{{數據[color="#fdc086",style=filled]}->蒐集->處理->應用[style=dashed,color=gray]}} 蒐集->{麵粉[style=dashed,color=gray]}->材料狀況？前處理->{放入模具[style=dashed,color=gray]} ->怎麼先處理？主處理->{放入烤箱[style=dashed,color=gray]}->怎麼烤？後處理->{取出美化[style=dashed,color=gray]}->怎麼美化？ {rank=same;{{想像：烤麵包[style=dashed,color=gray]}->麵粉->放入模具->放入烤箱->取出美化[style=dashed,color=gray]}} } ``` - 自數據分析的觀點來看主要能分成： - ==**蒐集、處理、其他應用及推廣**== - **蒐集**主要敘述取得方式，也就是正常進入電腦前的流程 - **處理**又分為前處理，主處理，後處理 - **前處理**是，將*檔案/資料轉為你要處理的格式*，進入電腦後到使用軟體處理之間。畢竟我們不太會拿ppt檔丟入excel，轉檔後也有許多要注意，包括先做濾波、平滑化（篩選、去掉較大顆粒的麵粉） - **主處理**則會是每份需求的核心。 - 相關如何主處理就是上面的學習資料，概念考量就是：你這份ppt是要傳達什麼？要怎麼說？ - 就是要怎麼樣分析這些數據～ - **後處理**則是方便收訊人閱讀 - 主要是視覺化（讓PPT變好看） - 或是更好的敘述（PPT用字、關鍵字之類） - **其他應用及推廣**就是字面上的意思 - 整體考慮：這份處理的目的是要「給誰」「看到什麼」？ ---- ### 蒐集 to be continued... ---- ### 處理 ---- #### 前處理 [何謂前處理？](https://ithelp.ithome.com.tw/articles/10186204) [前處理範例：SPM fMRI Preprocess](http://zpz57.pixnet.net/blog/post/101704819-spm-fmri-preprocess-前處理圖解%28詳細解說%29) - 主要會是格式定義的部分，可以想像參閱：[醫學影像傳輸標準](https://read01.com/zh-tw/5EaNz.html#.WfvOUlyWbNY) - 常見的檔案還有 Neuroimaging Informatics Technology Initiative (Nifti), Minc等等。 - 詳細項目可以參閱這篇：[Medical Image File Format](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3948928/) - 常見醫學影像格式：DICOM - **What is dicom**? - 基本上醫學影像大多是用.dcm檔，也就是dicom檔。 - DICOM：Digital Imaging and Communications in Medicine 為一種醫學影像的「協議（規範）」 - **How to process DICOM?** - [如何處理DICOM注意點](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3354356/) - 實際相關工具 - [pydicom](https://ddnews.me/world/zonfg2h1.html) - [npm-FNNDFC(AMI-Medical Image Javascript toolkit)](https://github.com/FNNDSC/ami) #### 主處理可以參考最上面 #### 後處理 to be continued... --- ### 其他應用及推廣 to be continued... ## 補充說明 [醫學影像發展史](https://drive.google.com/open?id=1oVfu4pAdBbSILgMCmoI8TTaYdcsAJtB3) ```graphviz digraph hierarchy { nodesep=0.5 rankdir=LR node [color=aquamarine,fontname=Courier,shape=box,style=filled] edge [color=Blue, style=solid] {rank=same;{影像->整理、清理->主要分析->視覺化}} {rank=same;{麵粉->放入模具->放入烤箱->取出美化}} 影像->{麵粉[style=dashed,color=gray]}[style=dashed,color=gray] 整理、清理->{放入模具[style=dashed,color=gray]}[style=dashed,color=gray] 主要分析->{放入烤箱[style=dashed,color=gray]}[style=dashed,color=gray] 視覺化->{取出美化[style=dashed,color=gray]}[style=dashed,color=gray] } ``` ```graphviz digraph hierarchy { nodesep=0.5 rankdir=LR node [color=aquamarine,fontname=Courier,shape=box] edge [color=Blue, style=solid] {整理、清理[style=filled] 主要分析[style=filled] 視覺化[style=filled]} {rank=same;{{影像[style=filled]}->整理、清理->主要分析->視覺化[style=dashed,color=gray]}} 影像->{麵粉[style=dashed,color=gray]} 整理、清理->{前處理[style=filled,color=gray]}->{放入模具[style=dashed,color=gray]} 主要分析->{主處理[style=filled,color=gray]} ->{放入烤箱[style=dashed,color=gray]} 視覺化->{後處理[style=filled,color=gray]}->{取出美化[style=dashed,color=gray]} {rank=same;麵粉->放入模具->放入烤箱->取出美化[style=dashed,color=gray]}} } ```