医学图像处理（一）使用U-Net进行MRI的肝脏分割_chaos数据集

最新推荐文章于 2024-05-14 06:40:01 发布

2401_84181403

最新推荐文章于 2024-05-14 06:40:01 发布

阅读量916

点赞数 7

分类专栏：程序员文章标签：图像处理人工智能

本文链接：https://blog.csdn.net/2401_84181403/article/details/138280238

版权

本文介绍了如何使用Python进行医学图像处理，包括将训练集划分为训练和测试集，提取肝脏部分，将dicom转换为png，使用Augmentor进行数据增强，构建U-Net网络模型，并自定义数据集。同时，讨论了GPU优化和知识体系的重要性。

摘要由CSDN通过智能技术生成

            i += 1
        else:
            patient_dir = os.path.join(root, sub_dir)
            ground_paths, inphase_paths = collect_T1_name(patient_dir)
            for num in range(len(ground_paths)):
                dst_groundpath = os.path.join(dst_TestGround, "T1\_Patient%s\_No%d.png" % (sub_dir, num))
                shutil.copy(ground_paths[num], dst_groundpath)

            for num in range(len(inphase_paths)):
                dst_inphasepath = os.path.join(dst_TestData, "T1\_Patient%s\_No%d.dcm" % (sub_dir, num))
                shutil.copy(inphase_paths[num], dst_inphasepath)

            i += 1


该段程序的作用就是将训练集中T1/InPhase 的20个病例划分成16个训练集，4个测试集，并重新存储到自定义的文件夹下. 对于图像文件也进行了命名规范，对第i个病人的第j张slice，命名规则为**T1\_Patienti\_Noj.dcm**


## 分离出肝脏


GroundTruth的图像是多器官的，根据灰度范围进行判断。  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200806143226468.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MDAzODc2,size_16,color_FFFFFF,t_70)  
 从自带的config文件中可以查看灰度范围：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200806143343610.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MDAzODc2,size_16,color_FFFFFF,t_70)  
 因为GroundTruth是png格式，我们使用OpenCV做一下简单的阈值处理就可以提取肝脏部分了.

“”"
@ Date: 2020/6/29
@ Author: Xiao Zhuo
@ Brief: Extract liver part from GroundTruth and set white color
@ Filename: extract_only_liver_2.py
“”"

-- coding: utf-8 --

import os
import cv2

def makedir(dir):
if not os.path.exists(dir):
os.mkdir(dir)

def extract_liver(dataset_dir):
src_names = os.listdir(dataset_dir)
if src_names[0] == ‘Liver’:
src_names.remove(‘Liver’)
src_count = len(src_names)
dst_dir = os.path.join(dataset_dir, “Liver”)
makedir(dst_dir)
for num in range(src_count):
src_path = os.path.join(dataset_dir, src_names[num])
src = cv2.imread(src_path) # OpenCV读进来要指定是灰度图像，不然默认三通道。这里之前忘记指定了
# flag = 0
flag = 1
for i in range(src.shape[0]):
for j in range(src.shape[1]):
for k in range(src.shape[2]):
if 55 <= src.item(i, j, k) <= 70:
flag = 1 # 表示有肝脏
src.itemset((i, j, k), 255)
else:
src.itemset((i, j, k), 0)
if flag == 1:
dst_path = os.path.join(dst_dir, src_names[num])
cv2.imwrite(dst_path, src)

if name == ‘__main__’:
train_dir = os.path.join(“data”, “train”, “Ground”)
test_dir = os.path.join(“data”, “val”, “Ground”)
extract_liver(train_dir)
extract_liver(test_dir)


提取后的肝脏二值化掩膜如图所示：  
 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200806143648297.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MDAzODc2,size_16,color_FFFFF