处理医疗影像的Python利器:PyDicom
发布网友
发布时间：2小时前
共1个回答
热心网友
时间：6分钟前
Pydicom是一个用于处理DICOM格式文件的Python包，适用于医学图像（如CT）以及报告。它支持读取DICOM格式文件，允许将文件读入Python结构中，并在对数据进行修改后，再次写入DICOM格式文件。Pydicom并非主要用于查看图像，而是侧重于操作DICOM文件的数据元素。
Pydicom可以通过PIP或Conda进行安装，十分便捷。以Anaconda安装为例：
1、导入Pydicom包
2、读取一个DICOM文件并进行展示
在进行CT图像预处理时，Pydicom是一个有力的工具。CT图像通常包含一系列名为切片（slice）的文件，每个切片代表患者一次拍摄。由于患者状况各异，切片间的间距和排序可能不同，因此在用于训练数据之前，需要进行预处理。
利用Pydicom处理CT图像，首先需要导入相关库，然后列出所有患者的目录。接下来，扫描患者目录，加载所有切片，并按照Z轴方向排序切片，获取切片厚度。默认情况下，从DICOM文件中获取的值是Hounsfield单位（HU）。因此，需要解决单位转换问题。对超出扫描边界并赋值-2000的像素进行调整，将其设置为0，代表空气。然后，将值转换回HU单位，乘以重新缩放斜率并添加截距（这些信息通常存储在扫描的元数据中）。
完成数据预处理后，可以通过显示一个患者的图像、重新采样、绘制3D图像等操作，对数据进行直观分析。通常，CT扫描的像素间距为[2.5, 0.5, 0.5]毫米，不同扫描可能具有不同的切片距离，这在自动化分析中可能是一个问题。常用方法是将整个数据集重新采样为相同分辨率的切片，如将所有切片采样为[1 1 1]毫米的间距。
在处理完数据后，可以绘制3D图像以直观感受数据。但由于使用立方体近似3D对象并使用matplotlib绘制存在局限性，可能需要通过调整阈值来绘制特定结构，如骨骼（阈值通常设置为400）。此外，可以进行肺部切割，进一步简化问题，并在肺内包含结构以避免遗漏。对于边缘情况，可以调整分割方法，如使用扩张形态学操作或检查蒙版对应的图像分数以识别问题。数据归一化是预处理的最后一步，通常将所有数值调整至-1000到400之间，以便后续使用。
通过以上步骤，图像已准备好供卷积神经网络（CNN）或其他机器学习方法使用。建议离线执行所有预处理步骤，并保存结果，因为整个过程可能需要一定时间。在实际应用中，可以在线处理图像，避免大规模存储已处理数据。
以上介绍基于一个Kaggle Kernel，需要详细信息和代码示例，可参考原Kernel链接。
