-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathkombinovanie.m
190 lines (155 loc) · 6.38 KB
/
kombinovanie.m
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
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
function [I1,Segmentace]=kombinovanie(info,alg,n,MaxGeneration)
%táto funkcia sluzi na spustenie niekoľko násobnej segmnetácie obrazu z
%kombinovanej informácie pomocou vybraného algoritmu alg.
% Vstupom funkcie je vybraný algoritmus (FA,SSO alebo FASSO) počet
% hľadacích agentov n a počet iterácií/populácií algoritmu MaxGeneration.
% Výstupom funkcie je
% segmentovaný obraz I1
% štuktura segmentace, v ktorej su ulozene parciálne segmentacie obrazu,
%% Deklarovanie premenných
FLAIR=mha_read_volume(info(1));
FLAIR=FLAIR(:,:,1:159); % Vzdy vyberam len obrazy na ktorých je nejaká informácia
FLAIR=medfilt3(FLAIR,[2,2,2]); % Filtrácia obrazu medianovym 3D filtrom
T1=mha_read_volume(info(2));
T1=T1(:,:,1:159);
T1=medfilt3(T1,[2,2,2]);
T2=mha_read_volume(info(4));
T2=T2(:,:,1:159);
T2=medfilt3(T2,[2,2,2]);
T1C=mha_read_volume(info(3));
T1C=T1C(:,:,1:159); % tento obraz teraz nefiltrujem, pretože z neho použijem len malu cast
POM=zeros(size(T2)); % pomocna premenná na zapisovanie pozíc patologických tkaniv
Vysledok=ones(size(T2)); % vysledna premenná do ktorej sa zapisujú indexy.
%musi byt ones aby mohla byť konvertovana na
%indexovany obraz
%Vytvorenie modelov pre morfologické upravenie
[koule1] = sphere(2);
[koule2] = sphere(1);
[koule3] = sphere(3);
%% Segmentovanie patologických tkanív
%trojnásobná segmentácia obrazov, kde su dobre viditelné patologické
%tkanivá
[best{1},besth{1},befit{1},bfit{1},x]= met_algoritmy(FLAIR,n,MaxGeneration,2,alg,30);
Segmentace{1}=imquantize(FLAIR,x([1,best{1}]),[1,2,3,4]);
[best{2},besth{2},befit{2},bfit{2},x]= met_algoritmy(T1,n,MaxGeneration,3,alg,30); %20
Segmentace{2}=imquantize(T1,x(best{2}),[1,4,3,2]);
[best{3},besth{3},befit{3},bfit{3},x]= met_algoritmy(T2,n,MaxGeneration,3,alg,30);
if best{3}(1)==1 % osetrenie v prípade, že by prvy prah predsa len bol 1
Segmentace{3}=imquantize(T2,x([best{3}]),[1,3,2,4,5]);
else
Segmentace{3}=imquantize(T2,x([1,best{3}]),[1,3,2,4,5]);
end
%% Vybratie patologických tkaniv do T1
%hladanie prieniku medzi flair a T1 A T2. Tento spôsob bol zvolený z
%dôvodu, že T1 a T2 maju podobne prekrývajúce tkanivá, kým FLAIR ich má
%rozdielne
NADOR_FLAIR=find(Segmentace{1}==3 | Segmentace{1}==4);
NADOR_T1=find(Segmentace{2}==4);
NADOR_T2=find(Segmentace{3}==4);
pozicie_nador00=intersect(NADOR_T2,NADOR_FLAIR);
pozicie_nador01=intersect(NADOR_T1,NADOR_FLAIR);
% kontrola spravneho oznacovania tkaniva tretou segmentaciou, ktora sa
% casto kazi
if (length(pozicie_nador00)/length(pozicie_nador01))<0.7 %pixle v prieniku by mali byt podobne
NADOR_T2a=find(Segmentace{3}==2);
NADOR_T2b=find(Segmentace{3}==5);
pozicie_nador00a=intersect(NADOR_T2a,NADOR_FLAIR);
pozicie_nador00b=intersect(NADOR_T2b,NADOR_FLAIR);
velikost=length(pozicie_nador00a)>length(pozicie_nador00b);
switch velikost
case 1
pozicie_nador00=pozicie_nador00a;
case 0
pozicie_nador00=pozicie_nador00b;
end
end
% Spresnenie riešenia
pozicie_nador=union(pozicie_nador01,pozicie_nador00);
%Uprava vysegmentovaneho nadora morfologickym otvorenim a filtrovaním
%nenších oblastí
POM(pozicie_nador)=1;
pokus=imopen(POM,koule3);
for i=1:159
pokus(:,:,i)=bwareafilt(logical(pokus(:,:,i)),[50,10000]);
end
clear pozicie_nador
% morfologicke uzavretie na spojenie aktivnej a nektrotizovanej casti
% nádora
pokus=imclose(pokus,koule3);
pozicie_nador=(pokus==1);
POM=zeros(size(T2));
%% Rozlišovanie nadorovych tkaniv
%aktivny nador, nekrotizovaný nádor a edém sú rozlisitelné len na T1C,
%preto su vybrané len patologické pixle na tuto segmentáciu
pixle_T1C=medfilt3(T1C(pozicie_nador),[2,2,2]);
% pixle_T1C=medfilt2(pixle_T1C,[2,2]);
[best{4},besth{4},befit{4},bfit{4},x]= met_algoritmy(pixle_T1C,n,MaxGeneration,4,alg,30);
Segmentace{4}=imquantize(pixle_T1C,x([20,best{4}]),[1,5,6,3,2,4]);
%indexovanie tkaniv s dodatocnymi morfologickými upravami
POM(pozicie_nador)=Segmentace{4};
% TUMOR=(POM==2 |POM==3|POM==4|POM==1|POM==6);
% POM1=imclose(TUMOR,koule2);
% POM(POM1)=4;
%vyuzivanie informácie z iných vahovacích sekvenciách zabránenie
%indexovanie edému ako nekrotizovaného nadoru zo znalosti FLAIR
% vymena=intersect(find(POM==5),find(Segmentace{1}==4));
% POM(vymena)=6;
POM3=imclose((POM==2 |POM==3|POM==4|POM==1|POM==6),koule2);
for i=1:159
POM3(:,:,i)=imfill(logical(POM3(:,:,i)),'holes');
POM3(:,:,i)=bwareafilt(logical(POM3(:,:,i)),[100,10000]);
end
POM(POM3)=4;
POM2=imclose(POM==5|POM==6,koule2);
POM(POM2)=5;
% vymena=intersect(find(POM==4),find(Segmentace{1}==4));
% POM2(vymena)=1;
TUMOR=POM3==1;
EDEM=POM2==1;
pozicie_nador=find((POM3==1|POM2==1));
clear POM
%% segmentace ciev
T1C(pozicie_nador)=0;
[ h,x ] = D3_segmentacia(T1C);
% najdenie hranice od ktorej treba hladat cievy, príliš široké spektrum na
% segmentovanie pomocou metaheuristických algoritmov
prah=100; % priblizny prah, aby sa nemuselo ist od nuly
hranica=0;
while hranica<=0.998; %cievy zaberaju len asi 0,001% obrazu
hranica=sum(h(1:prah))/sum(h);
prah=prah+1;
end
CIEVY=(T1C>x(prah)); %iba v T1C viditelné
pom=intersect(find(CIEVY==1),NADOR_FLAIR); %osetrenie, može sa tu nachádzať aktivny nador a edem
CIEVY(pom)=0;
EDEM(pom)=1;
%% Indexovanie lebky a jej následné odstránenie
T1(pozicie_nador)=0;
T1(CIEVY)=0;
[best{5},besth{5},befit{5},befit{5},x]= met_algoritmy(T1,n,MaxGeneration,3,alg,30);
if best{5}(1)==1
Segmentace{5}=imquantize(T1,x([best{5}]),[1,3,2,4,5]);
else
Segmentace{5}=imquantize(T1,x([1,best{5}]),[1,3,2,4,5]);
end
LEBKA=(Segmentace{5}==3 | Segmentace{5}==2);
T1(LEBKA)=0;
%% Segmentovanie šedej a bielej hmoty bez nádorov a lebky
[best{6},besth{6},befit{6},bfit{6},x]= met_algoritmy(T1,n,MaxGeneration,4,alg,30);
Segmentace{6}=imquantize(T1,x([best{6}]),[1,3,2,4,5]);
SEDA_HMOTA= imclose((Segmentace{6}==2|Segmentace{6}==3),koule2);
BIELA_HMOTA=imclose((Segmentace{6}==4| Segmentace{6}==5),koule2);
%% Indexovanie tkaniv
% Indexovanie segmentovanych tkaniv do vysledku a morfologické upravy
% TUMOR=(POM==4 |POM==5|POM==3);
% TUMOR=imclose(TUMOR,koule3);
Vysledok(SEDA_HMOTA)=3;
Vysledok(BIELA_HMOTA)=2;
Vysledok(TUMOR)=6;
Vysledok(EDEM)=5;
Vysledok(LEBKA)=4;
Vysledok(CIEVY)=7;
%% kontrola pritomnosti všetkých indexov a premena indexovaný obraz
kontrola=unique(Vysledok);
I1 = im2uint8(Vysledok,'indexed');
end