基于原始dcm数据(100多g),根据良恶性程度(1-5) 利用matlab分割出肺结节图片数据(j

对于这个问题，需要一个相对完整的流程来解决。基于原始dcm数据分割出肺结节图片数据主要可以分为以下几步：

1、读取dcm数据。使用MATLAB中的DICOM工具箱，通过读取DICOM格式文件的元数据信息，获取图像的尺寸、像素间距等信息，并将图像数据按照顺序存储在一个三维矩阵中。

2、预处理与分割。对读取到的原始dcm数据进行预处理，如去噪、平滑等操作，以消除图像中的噪声和干扰，然后进行分割，根据小区域特征计算，对图像进行分割提取出感兴趣的结节区域，并将结果存储为二进制图像。

3、进行特征提取。利用已有的肺结节数码图像特征提取方法，对分割出来的肺结节的二进制图像数据，提取有关特征和信息（形态、纹理、边界、灰度等）。

4、进行分类。将分割得到的图像数据按照良恶性程度进行分类，可以使用不同的特征属性和分类算法，如支持向量机、神经网络等。

5、重构图像数据。将分类得到的图像数据进行重构，得到良性和恶性的肺结节图像数据，保存到新的文件中，方便后续的使用和分析。

综上所述，基于原始dcm数据分割出肺结节图片数据需要进行多个步骤，其中预处理、分割和特征提取是重要的环节，而分类则需要考虑特征属性和算法的选择，这些方法都需要结合具体情况来调整和优化，才能取得比较好的效果。