Discussion :

[ali gh]

bonjour
je veut faire un projet sous le titre " segmentation des images médicale"
pour cela j'utilise différentes techniques de segmentation (transformée de Fourier ,transformée en ondelettes ...)
je besoin d'un algorithme (code matlab)qui détecte les cellules cancéreuse dans l'images après une certaine segmentation
n’hésitez pas de me répondre
Merci d'avance

[ToTo13]

je veut faire un projet sous le titre " segmentation des images médicale"
...
je besoin d'un algorithme (code matlab)qui détecte les cellules cancéreuse dans l'images après une certaine segmentation

C'est plutôt un projet de détection que de segmentation, mais c'est une question de point de vue.

pour cela j'utilise différentes techniques de segmentation (transformée de Fourier ,transformée en ondelettes ...)

Là c'est plutôt des méthodes de caractérisation...

je besoin d'un algorithme (code matlab)qui détecte les cellules cancéreuse dans l'images après une certaine segmentation

Je ne pense pas que tu trouveras un code tout fait, à moins que l'auteur d'un article le partage, mais dans tous les cas il te faudra faire un peu de bibliographie.
Les raisons sont simples :
- il y a beaucoup de marquage de cellules différents.
- il y a beaucoup de méthodes de segmentation différentes.
- il y a de nombreux types de cancers et donc de cellules cancéreuses différentes.

Je ne pense pas que tu souhaites détecter tous les types de cellules cancéreuses.
Donc :
- as tu un type de cellule particulière que tu souhaites détecter ?
- veux tu détecter toutes les cellules "non normales" ?
- as tu des images à nous montrer pour que l'on puisse se faire une idée.

Si tu as déjà des images segmenter avec une annotation, tu peux essayer de faire de l'apprentissage. Ces derniers temps il y a eu de très bon résultats avec l'utilisation des CNN (Convolutional Neural Network). Mais tu peux utiliser toutes autres méthodes de caractérisation/classement.

[ali gh]

bonsoir
Merci pour la réponse
je veut détecter les cellules cancéreuse au niveaux des os alors
c'est cancer de l'os je travaille avec des images scanner
à propos de votre réponse je ne comprend pas l'utilisation des CNN (Convolutional Neural Network)
merci de me répondre

[ToTo13]

je veut détecter les cellules cancéreuse au niveaux des os alors
c'est cancer de l'os je travaille avec des images scanner

Montre nous une image afin que l'on voit à quoi cela ressemble.

à propos de votre réponse je ne comprend pas l'utilisation des CNN (Convolutional Neural Network)

Ben regarde sur Google pour savoir ce que c'est !
Yann Lecun a beaucoup de publications sur le sujet, mais regarde aussi les publications de Dan Ciresan qui a notamment gagné le concours MICCAI sur la détection de la mitose.

[ali gh]

bonsoir
j'utilise par exemple la méthode de la segmentation par la ligne de partage des eaux qui à le code ci dessous

Code MATLAB :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
rgb = imread('jambe.png');
I = rgb2gray(rgb);
imshow(I)
 
text(732,501,'Image courtesy of Corel(R)',...
     'FontSize',7,'HorizontalAlignment','right')
 %Etape 1:Lire  l'image couleur et la convertir en niveaux de gris
hy = fspecial('sobel');
hx = hy';
Iy = imfilter(double(I), hy, 'replicate');
Ix = imfilter(double(I), hx, 'replicate');
gradmag = sqrt(Ix.^2 + Iy.^2);
figure, imshow(gradmag,[]), title('Gradient magnitude (gradmag)')
 
%Etape 2:Utilisez l'amplitude de gradient de la fonction de la segmentation
 
L = watershed(gradmag);
Lrgb = label2rgb(L);
figure, imshow(Lrgb), title('Watershed transform of gradient magnitude (Lrgb)')
 
%Etape 3: Marquez les objets au premier plan
se = strel('disk', 20);
 
Io = imopen(I, se);
figure, imshow(Io), title('Opening (Io)')
 
Ie = imerode(I, se);
Iobr = imreconstruct(Ie, I);
figure, imshow(Iobr), title('Opening-by-reconstruction (Iobr)')
 
Ioc = imclose(Io, se);
figure, imshow(Ioc), title('Opening-closing (Ioc)')
 
Iobrd = imdilate(Iobr, se);
Iobrcbr = imreconstruct(imcomplement(Iobrd), imcomplement(Iobr));
Iobrcbr = imcomplement(Iobrcbr);
figure, imshow(Iobrcbr), title('Opening-closing by reconstruction (Iobrcbr)')
 
fgm = imregionalmax(Iobrcbr);
figure, imshow(fgm), title('Regional maxima of opening-closing by reconstruction(fgm)')
 
I2 = I;
I2(fgm) = 255;
figure, imshow(I2), title('Regional maxima superimposed on original image (I2)')
 
se2 = strel(ones(5,5));
fgm2 = imclose(fgm, se2);
fgm3 = imerode(fgm2, se2);
 
fgm4 = bwareaopen(fgm3, 20);
 
I3 = I;
I3(fgm4) = 255;
figure, imshow(I3)
title('Modified regional maxima superimposed on original image (fgm4)')
 
%Étape 4: Calcul des marqueurs de fond
bw = im2bw(Iobrcbr, graythresh(Iobrcbr));
figure, imshow(bw), title('Thresholded opening-closing by reconstruction (bw)')
 
D = bwdist(bw);
DL = watershed(D);
bgm = DL == 0;
figure, imshow(bgm), title('Watershed ridge lines (bgm)')
 
%Étape 5: Calculer le bassin versant de la transformée de la fonction de segmentation.
gradmag2 = imimposemin(gradmag, bgm | fgm4);
L = watershed(gradmag2);%Enfin, nous sommes prêts à calculer la segmentation des bassins versants
%Étape 6: visualiser le résultat
I4 = I;
I4(imdilate(L == 0, ones(3, 3)) | bgm | fgm4) = 255;
figure, imshow(I4)
title('Markers and object boundaries superimposed on original image (I4)')
 
Lrgb = label2rgb(L, 'jet', 'w', 'shuffle');
figure, imshow(Lrgb)
title('Colored watershed label matrix (Lrgb)')
 
figure, imshow(I), hold on
himage = imshow(Lrgb);
set(himage, 'AlphaData', 0.3);
title('Lrgb superimposed transparently on original image')
 
figure,plot(1,2);
 histo=imhist(Lrgb(:,:,1));
 plot(histo);

j'utilise alors cette image
Merci de répondre

[ToTo13]

La LPE fonctionne bien, mais pour cela il te faut batailler pour avoir un marqueur interne et des marqueurs externes fiables. Sinon c'est juste de la sur-segmentation.

Où est la tumeur dans cette image ? (nous ne sommes pas médecin).
Qui a diagnostiqué cette image ?

Si tu as plusieurs images comme celle-la, tu peux essayer un CNN (ou simplement DNN) en travaillant au niveau du voisinage de chaque pixel.

[ali gh]

merci pour votre réponse ToTo13
vous avez dire où est la tumeur ??
c'est ça mon problème : un algorithme qui détecte les cellules cancéreuse dans les images à tester
restant par exemple sur la méthode et l'image précédente
a vous une idée
Merci

[ali gh]

Une autre question svp
Même image précédente mais avec la transformée en ondelettes
j'ai le code ci dessous
est ce qu’il y a une sur-segmentation ou une sous-segmentation
ou bien tout va bien ??
grand merci d’avance

Code MATLAB :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
 
img = imread('jambe.png')
img1=im2double(img)
[Lo_D,Hi_D,Lo_R,Hi_R] = wfilters('haar') 
[C,S] = wavedec2(img1,3,Lo_D,Hi_D)
cA1 = appcoef2(C,S,Lo_D,1)
cA2 = appcoef2(C,S,Lo_D,2)
cA3 = appcoef2(C,S,Lo_D,3)
figure(1), clf
subplot(2,2,1)
imshow(img)
subplot(2,2,2)
imshow(cA1)
subplot(2,2,3)
imshow(cA2)
subplot(2,2,4)
imshow(cA3)

[ToTo13]

Si tu as un souci de code MatLab, pose la question dans le forum MatLab. Ici nous nous intéressons au "Comment faire".
Montre sur ton image la partie que tu souhaites détecter.

[ali gh]

je veut détecter la partie en rouge dans l'image

[ToTo13]

Oula !!!
La texture de la zone ne semble pas vraiment différente des autres.


Si tu veux une méthode totalement automatique, dans ce cas, je me dis qu'utiliser un atlas anatomique pour connaître la position des os devrait te permettre de faire cela. Malheureusement, je ne l'ai jamais fait.

Est ce qu'il est possible que l'utilisateur clique sur la zone ?