肺结节分割与提取系统（基于传统图像处理方法）

Matlab肺结节分割(肺结节提取)源程序，GUI人机界面版本。使用传统图像分割方法，非深度学习方法。使用LIDC-IDRI数据集。

工作如下：

1、读取图像。读取原始dicom格式的CT图像，并显示，绘制灰度直方图；
2、图像增强。对图像进行图像增强，包括Gamma矫正、直方图均衡化、中值滤波、边缘锐化；
3、肺质分割。基于阈值分割，从原CT图像中分割出肺质；
4、肺结节分割。肺质分割后，进行特征提取，计算灰度特征、形态学特征来分割出肺结节；
5、可视化标注文件。读取医生的xml标注文件，可视化出医生的标注结果；
6、计算IOU、DICE、PRE三个参数评价分割效果好坏。
7、做成GUI人机界面。

注：需要2022b及以上版本。因为参数是根据这两张图片设置的，所以只可分割压缩包里这两张图像，替换成其他的图像效果不好。

基于传统图像处理方法的肺结节分割与提取系统

项目概述

本项目是一个使用MATLAB编写的肺结节分割与提取系统，采用传统的图像处理方法，而非深度学习技术。该系统包括一个图形用户界面（GUI），方便用户操作和查看结果。项目使用LIDC-IDRI数据集中的CT图像，并提供了完整的图像处理流程，从读取原始DICOM格式的图像到最终的肺结节分割和性能评估。

项目特点

• 完整的图像处理流程：从读取图像到最终的肺结节分割，涵盖了所有关键步骤。
• 多种图像增强技术：包括Gamma矫正、直方图均衡化、中值滤波和边缘锐化。
• 传统的图像分割方法：基于阈值分割和特征提取来实现肺质和肺结节的分割。
• 性能评估：计算IOU、DICE和PRE三个参数来评价分割效果。
• 用户友好的GUI界面：提供图形用户界面，方便用户操作和查看结果。
• 特定参数设置：参数是根据提供的两张示例图像设置的，适用于这些图像，替换其他图像可能效果不佳。

项目结构

Lung_Nodule_Segmentation/
├── src/                               # 源代码文件夹
│   ├── main.m                         # 主程序入口
│   ├── read_image.m                   # 读取和显示图像
│   ├── image_enhancement.m            # 图像增强
│   ├── lung_segmentation.m            # 肺质分割
│   ├── nodule_segmentation.m          # 肺结节分割
│   ├── visualize_annotation.m         # 可视化标注文件
│   ├── evaluate_segmentation.m        # 评估分割效果
│   └── gui_main.fig                   # GUI主界面
├── data/                              # 数据文件夹
│   ├── DICOM_images/                  # 原始DICOM图像
│   ├── annotations/                   # 医生的XML标注文件
│   └── example_images.zip             # 示例图像压缩包
├── README.md                          # 项目说明文档
└── requirements.txt                   # 依赖项列表

项目功能

1. 读取图像：

   • 读取原始DICOM格式的CT图像。
   • 显示图像并绘制灰度直方图。

2. 图像增强：

   • Gamma矫正：调整图像的对比度。
   • 直方图均衡化：提高图像的对比度。
   • 中值滤波：去除噪声。
   • 边缘锐化：增强图像的边缘信息。

3. 肺质分割：

   • 基于阈值分割的方法，从原CT图像中分割出肺质区域。

4. 肺结节分割：

   • 在肺质分割的基础上，进行特征提取。
   • 计算灰度特征和形态学特征，进一步分割出肺结节。

5. 可视化标注文件：

   • 读取医生的XML标注文件。
   • 可视化医生的标注结果，与自动分割结果进行对比。

6. 性能评估：

   • 计算IOU（交并比）、DICE系数和PRE（精确率）三个参数，评价分割效果的好坏。

7. GUI人机界面：

   • 提供图形用户界面，方便用户选择图像、查看处理结果和评估指标。

使用说明

1. 环境准备：

   • 确保安装了MATLAB 2022b及以上版本。
   • 下载并解压项目文件到本地目录。

2. 运行主程序：

   • 打开MATLAB，导航到项目目录。
   • 运行main.m文件，启动主程序。

3. 使用GUI界面：

   • 打开gui_main.fig文件，启动GUI界面。
   • 通过GUI界面选择要处理的图像，查看处理结果和评估指标。

注意事项

• 数据集限制：由于参数是根据特定的两张图像设置的，替换其他图像可能会影响分割效果。建议仅使用提供的示例图像。
• 依赖项：确保所有依赖项都已安装，具体依赖项见requirements.txt文件。

应用场景

• 医学影像分析：帮助放射科医生快速识别和定位肺结节。
• 科研教育：用于医学影像处理的教学和研究。
• 辅助诊断：作为辅助工具，提高肺结节检测的准确性和效率。

项目优势

• 无需深度学习框架：使用传统的图像处理方法，适合没有深度学习背景的用户。
• 直观易用：提供图形用户界面，简化操作流程。
• 全面的处理流程：涵盖从图像读取到性能评估的所有步骤，便于理解和应用。

项目介绍

1. 读取图像

• 功能：读取原始DICOM格式的CT图像，并显示图像及绘制灰度直方图。
• 实现：使用MATLAB的dicomread函数读取DICOM图像，使用imshow函数显示图像，使用imhist函数绘制灰度直方图。

2. 图像增强

• 功能：对图像进行多种增强处理，包括Gamma矫正、直方图均衡化、中值滤波和边缘锐化。
• 实现：
  • Gamma矫正：使用imadjust函数调整图像的对比度。
  • 直方图均衡化：使用histeq函数提高图像的对比度。
  • 中值滤波：使用medfilt2函数去除噪声。
  • 边缘锐化：使用fspecial和imfilter函数增强图像的边缘信息。

3. 肺质分割

• 功能：基于阈值分割的方法，从原CT图像中分割出肺质区域。
• 实现：使用graythresh函数计算全局阈值，使用imbinarize函数将图像二值化，再通过形态学操作（如imopen和imclose）去除小的噪声区域。

4. 肺结节分割

• 功能：在肺质分割的基础上，进行特征提取，计算灰度特征和形态学特征，进一步分割出肺结节。
• 实现：
  • 特征提取：计算每个连通区域的灰度特征（如平均灰度、标准差等）和形态学特征（如面积、周长等）。
  • 分割：基于特征值进行分类，识别出疑似肺结节的区域。

5. 可视化标注文件

• 功能：读取医生的XML标注文件，可视化出医生的标注结果。
• 实现：使用xmlread函数解析XML文件，提取标注信息，并在图像上绘制标注框。

6. 性能评估

• 功能：计算IOU（交并比）、DICE系数和PRE（精确率）三个参数，评价分割效果的好坏。
• 实现：比较自动分割结果和医生标注结果，计算上述指标。

7. GUI人机界面

• 功能：提供图形用户界面，方便用户选择图像、查看处理结果和评估指标。
• 实现：使用MATLAB的GUIDE工具创建GUI界面，集成各个功能模块，提供友好的用户交互体验。

项目优势

• 无需深度学习框架：使用传统的图像处理方法，适合没有深度学习背景的用户。
• 直观易用：提供图形用户界面，简化操作流程。
• 全面的处理流程：涵盖从图像读取到性能评估的所有步骤，便于理解和应用。

希望这个项目能帮助你更好地理解和应用传统的图像处理方法在医学影像分析中的应用。