使用Python解決常見格式影象讀取nii,dicom,mhd

2022-04-18 16:00:14

1. raw，mhd 格式醫學影象資料轉換

raw+mhd格式是常見的一種醫學影象格式，每一個病人的資料包含一個mhd檔案和一個同名的raw檔案，mhd即meta header data，資料頭部資訊，而raw儲存了畫素資訊。方法需要使用的SimpleITK庫，我們需要在自己的Python環境中安裝對應的庫

pip install SimpleITK

mhd+raw的資料往往是三維體資料，我們可以從mhd檔案中讀取資料的具體資訊如影象大小、切片大小、畫素大小等資訊。使用sitk.ReadImage() 即可讀取影象，使用sitk.GetArrayFromImage() 可獲取影象矩陣。

具體程式碼如下：

import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
from natsort import natsorted
from tqdm import tqdm
import cv2
import numpy as np

mhd_path = './xxx.mhd'  # mhd檔案需和同名raw檔案放在同一個資料夾
data = sitk.ReadImage(mhd_path)  # 讀取mhd檔案
# print(data)
spacing = data.GetSpacing()  # 獲得spacing大小
img_data = sitk.GetArrayFromImage(data)  # 獲得影象矩陣
print(img_data.shape)

# 影象資料轉換為npy儲存
np.save('img_data.npy', np.array(img_data))

# 將影象轉為png格式儲存
for i in range(img_data.shape[0]):
    cv2.imwrite('./{}.png'.format(i), img_data[i, :, :])

2. dicom格式醫學影象資料轉換

DICOM（Digital Imaging and Communications in Medicine） 即醫學數位成像和通訊，是醫學影象和相關資訊的國際標準（ISO 12052）。DICOM被廣泛應用於放射醫療，心血管成像以及放射診療診斷裝置（X射線，CT，核磁共振，超聲等），並且在眼科和牙科等其它醫學領域得到越來越深入廣泛的應用。所有患者的醫學影象都以 DICOM 檔案格式進行儲存。使用Python讀取dicom影象可以使用pydicom庫和SimpleITK庫來完成。由於在醫學影象處理領域中，對不同的影象需要使用不同的窗寬窗位匯出影象，在下面程式碼中，我增加了對應的程式碼。

pip install SimpleITK
pip install pydicom

使用pydicom方法具體程式碼如下：

import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
from natsort import natsorted
from tqdm import tqdm
import cv2
import pydicom
import numpy as np

#調整影象窗寬窗位
def window_transform(ct_array, window_width, window_center, normal=False):
    min_window = float(window_center) - 0.5*float(window_width)
    new_img = (ct_array - min_window) / float(window_width)
    new_img[new_img < 0] = 0
    new_img[new_img > 1] = 1
    if not normal:
        new_img = (new_img * 255).astype('uint8')
    return new_img


img_path = 'xx.dcm'
#此時讀取的是所有dicom影象資訊
image = pydicom.read_file(img_path)
#獲得影象矩陣
image_data = image.pixel_array
#獲得dicom中的患者資訊、影象資訊等
information['PatientID'] = image.PatientID
information['PatientName'] = image.PatientName
information['PatientBirthDate'] = image.PatientBirthDate
information['PatientSex'] = image.PatientSex
window_width = 1000
window_center = 30
image_data = window_transform(image_data, window_width, window_center, normal=False)
cv2.imwrite('./img.png',image_data)

使用SimpleITK方法具體程式碼如下：

import os
import SimpleITK as sitk
import matplotlib.pyplot as plt
from natsort import natsorted
from tqdm import tqdm
import cv2
import pydicom
import numpy as np

img_path = 'xx.dcm'
#此時讀取的是所有dicom影象資訊
image = sitk.ReadImage(img_path)
# 轉為值為0-255的灰度圖
rescalFilt = sitk.RescaleIntensityImageFilter()
rescalFilt.SetOutputMaximum(255)
rescalFilt.SetOutputMinimum(0)
image = rescalFilt.Execute(image)
image_data = sitk.GetArrayFromImage(image_data)
image_data = np.squeeze(dicom_data)
cv2.imwrite('./img.png',image_data)

3. nii格式醫學影象轉換

醫學影像早期使用的是DICOM標準，基本上各家廠商都會使用符合DICOM標準的產品，但是這個標準對於資料分析並不方便。在神經影像興起時就誕生了各種各樣的資料儲存標準，比如analyze。後為了便於學術交流，NIH拉著其他一些組織的專家成立了工作組，制定了新的神經影像的資料儲存標準，稱為NIFTI。讀取nii字尾的NIFTI格式影象需要安裝nibabel庫

pip install nibabel

使用nib.load() 函數即可讀取影象資料data, 其中dataobj就是影象矩陣

import os 
import numpy as np 
import nibabel as nib
import matplotlib.pyplot as plt
from glob import glob

img_path = './xxx.nii'
image = nib.load(img_path)    
image_data = image.dataobj
for i in range(0, dataobj.shape[2]): 
    cv2.imwrite('./{}.png'.format(i), img_data[i, :, :])

到此這篇關於使用Python解決常見格式影象讀取nii,dicom,mhd的文章就介紹到這了,更多相關Python影象讀取內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

使用Python解決常見格式影象讀取nii,dicom,mhd

目錄

1. raw，mhd 格式醫學影象資料轉換

2. dicom格式醫學影象資料轉換

3. nii格式醫學影象轉換

熱門文章