Документация

Задайте пользовательскую функцию, чтобы считать файлы MAT

Чтобы считать данные из.MAT файла, необходимо задать пользовательскую функцию чтения. Например, этот код создает функцию под названием matRead это загружает данные об объеме из первой переменной.MAT файла. Сохраните функцию в файле под названием matRead.m.

function data = matRead(filename)
% data = matRead(filename) reads the image data in the MAT-file filename

inp = load(filename);
f = fields(inp);
data = inp.(f{1});
end

Настройте свою пользовательскую функцию чтения согласно тому, как ваши данные изображения хранятся в.MAT файлах.

Пример: подготовьте Datastore, содержащий один и многофайловые объемы DICOM

В этом примере показано, как создать imageDatastore или PixelLabelDatastore от набора файлов DICOM, которые включают 3-D объем.

Задайте директорию, которая содержит файлы DICOM. Директория может включать файлы, которые содержат 2D изображение, файлы, которые содержат полный 3-D объем и файлы, которые содержат 2D срезы 3-D объема. Datastore будет включать только файлы, которые содержат 3-D данные, или как полный 3-D объем в одном файле или как 2D срезы 3-D объема.

dicomDir = fullfile(matlabroot,'toolbox','images','imdata');

Соберите детали вокруг файлов DICOM при помощи dicomCollection функция. Эта функция возвращает детали как таблицу, где каждая строка представляет одно исследование. Функция агрегировала файлы многофайлового объема DICOM в одно исследование. Имена файлов многофайлового объема DICOM перечислены в массиве строк в Filenames переменная.

collection = dicomCollection(dicomDir,'IncludeSubfolders',true)

Создайте директорию, чтобы сохранить обработанные объемы DICOM.

matFileDir = fullfile(tempdir,'MATFiles');
if ~exist(matFileDir,'dir')
    mkdir(matFileDir)
end

Для каждого исследования в наборе получите имена файлов, которые включают исследование. Попытайтесь считать данные исследования при помощи dicomreadVolume функция.

Для полных объемов, возвращенных в 4-D массиве, запишите данные в.MAT файл. Этот пример также пишет абсолютное имя файла файла DICOM, 'dicomFileName', как вторая переменная. Поскольку несколько регистрируют объемы DICOM, 'dicomFileName' массив строк всех отдельных файлов DICOM.

for idx = 1:numel(collection.Row)
    dicomFileName = collection.Filenames{idx};
    if length(dicomFileName) > 1
        matFileName = fileparts(dicomFileName(1));
        matFileName = split(matFileName,filesep);
        matFileName = replace(strtrim(matFileName(end))," ","_");
    else
        [~,matFileName] = fileparts(dicomFileName);
    end
    matFileName = fullfile(matFileDir,matFileName);
    
    try
        V = dicomreadVolume(collection,collection.Row{idx});
    catch ME
        V = dicomread(dicomFileName);
        if ndims(V)<4
            % Skip files that are not volumes
            continue;
        end
    end
    
    % For multi-file DICOM, dicomFileName is a string array.    
    save(matFileName,'V','dicomFileName');
    
end

Если объемы представляют данные изображения, то создают imageDatastore из.MAT файлов, содержащих объемы. Можно задать ReadFcn свойство как matRead функция от Задает Пользовательскую Функцию, чтобы Считать Файлы MAT.

imdsdicom = imageDatastore(matFileDir,'FileExtensions','.mat', ...
    'ReadFcn',@matReader);

Если объемы представляют данные о пиксельных метках, то создают PixelLabelDatastore из.MAT файлов, содержащих объемы. Можно задать ReadFcn свойство как matRead функция от Задает Пользовательскую Функцию, чтобы Считать Файлы MAT. Аргументы classNames и pixelLabelID векторы, которые задают отображение значений метки воксела к именам классов.

pxdsdicom = pixelLabelDatastore(matFileDir,classNames,pixelLabelID, ...
    'FileExtensions','.mat','ReadFcn',@(x) matRead(x));

Пример: преобразуйте объемные данные в Datastore изображений

Этот пример кода показывает, как преобразовать объемные данные в datastore изображений volds использование произвольного конвейера предварительной обработки задано в функциональном preprocessVolumetricIMDS. Пример принимает что ReadSize из volds больше 1.

dsTrain = transform(volds,@(x) preprocessVolumetricIMDS(x,inputSize));

Задайте preprocessVolumetricIMDS функция, которая выполняет желаемые преобразования данных, считанных из базового datastore. Функция должна принять массив ячеек данных изображения. Функциональные циклы через каждое изображение чтения и преобразовывают данные согласно этому конвейеру предварительной обработки:

function dataOut = preprocessVolumetricIMDS(data,inputSize)
 
numRows = size(data,1);
dataOut = cell(numRows,1);
 
for idx = 1:numRows
    
    % Perform randomized 90 degree rotation about the z-axis
    data = imrotate3(data{idx,1},90*(randi(4)-1),[0 0 1]);

    % Resize the volume to the size expected by the network
    dataClean = imresize(data,inputSize);
    
    % Add zero-mean Gaussian noise with a normalized variance of 0.01
    dataNoisy = imnoise(dataClean,'gaussian',0.01);

    % Return the preprocessed data
    dataOut(idx) = dataNoisy;
    
end
end

Пример: преобразуйте объемные данные в случайный Datastore экстракции закрашенной фигуры

Этот пример кода показывает, как преобразовать объемные данные в случайный datastore экстракции закрашенной фигуры volds использование произвольного конвейера предварительной обработки задано в функциональном preprocessVolumetricPatchDS. Пример принимает что ReadSize из volds 1.

dsTrain = transform(volds,@preprocessVolumetricPatchDS);

Задайте preprocessVolumetricPatchDS функция, которая выполняет желаемые преобразования данных, считанных из базового datastore. Функция должна принять таблицу. Функция преобразовывает данные согласно этому конвейеру предварительной обработки:

function dataOut = preprocessVolumetricPatchDS(data)

img = data(1);
resp = data(2);

% 5 augmentations: nil,rot90,fliplr,flipud,rot90(fliplr)
augType = {@(x) x,@rot90,@fliplr,@flipud,@(x) rot90(fliplr(x))};

rndIdx = randi(5,1);
imgOut = augType{rndIdx}(img);
respOut = augType{rndIdx}(resp);

% Return the preprocessed data
dataOut = table(imgOut,respOut};

end