基于LIDC-IDRI肺结节肺癌数据集的放射组学机器学习分类良性和恶性肺癌（Python 全代码）全流程解析 （一）

第二部分传送门
第三部分传送门

1 LIDC-IDRI数据集介绍

LIDC-IDRI数据集是用于医学影像分析的公开数据集，包含1010例低剂量CT扫描和人工标注的肺部结节信息。这些数据对于肺癌早期检测和算法开发至关重要。由美国国立卫生研究院（NIH）资助，该数据集为研究人员提供了宝贵资源，促进了医学影像处理和人工智能在肺部疾病诊断方面的进展,。
数据集下载地址如下：*https://www.cancerimagingarchive.net/collection/lidc-idri/*该数据集大小为133GB，数据集的下载需要下载器和稳定的网络，否则可能失败。
下载方面存在问题的私信我，我有完成数据集

1.1数据集预处理

数据集的预处理一共分为三个部分，图像的归一化，肺结节感兴趣区域分割，良恶性肺结节标注提取。
LIDC-IDRI数据结构如下：

1.1.1 图像读取-（python库pylidc安装）

在预处理图像过程中，我们不需要自己写程序去解析所有的文件。已经有人早就写好了免费的库文件去解析数据集。即为python的pylidc库。该库的安装如下：
打开anaconda prompt 输入

pip install pylidc

注意在安装完该库后，需要在系统用户文件夹下，新建pylidc.conf文件，为该库的运行指明文件存放的位置。
[dicom]
path = G:\dataset_zhang\LIDC-IDRI
将以上路径修改为数据集存放的路径。
测试该库是否安装成功代码如下：

import pylidc as pl
from pylidc.utils import consensus
import os

dataset_path = r'G:\dataset_zhang\LIDC-IDRI\\'#修改路径哦
dicom_name   = 'LIDC-IDRI-0001'
PathDicom = os.path.join(example)  # 构建当前病例文件夹的完整路径
# 查询当前病例的扫描数据，并将第一个扫描结果存储到scan变量中
scan = pl.query(pl.Scan).filter(pl.Scan.patient_id == example).first()
print(scan)

1.1.2图像读取-（读取CT图像的patch和分割标注）

我们以数据集中的’LIDC-IDRI-0001’病例数据为例，使用pylidc库中的按照病例文件夹名字的查询的方式，将该病例的所有的数据储存在scan中。而后提取所有专家对图像分割的标注坐标和肺结节的体素立方体。一个病例中含有多个肺结节默认提取第一个。使用的plt画图功能展示。代码如下

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as manim
from skimage.measure import find_contours
import cv2
import pylidc as pl
from pylidc.utils import consensus
import os

dataset_path = r'G:\dataset_zhang\LIDC-IDRI\\'
dicom_name   = 'LIDC-IDRI-0001'
print(dicom_name)  # 打印当前DICOM文件夹的名称
PathDicom = os.path.join(dataset_path, dicom_name)  # 构建当前DICOM文件夹的完整路径
# 查询当前病例的扫描数据，并将第一个扫描结果存储到scan变量中
scan = pl.query(pl.Scan).filter(pl.Scan.patient_id == dicom_name).first()
vol = scan.to_volume()# 将该扫描数据转换成数组形式的体积（volume）
# 聚类注释（nodule annotations）以获取一组注释
nods = scan.cluster_annotations()
try:
   anns = nods[0]   # 尝试获取第一个注释（annotation）
   Malignancy = anns[0].Malignancy   # 获取注释中的恶性程度（Malignancy）信息
except IndexError:
   # 如果没有注释，或者无法获取第一个注释，则继续下一个DICOM文件夹
   continue
# 执行共识合并（consensus consolidation）和50%的一致性水平（agreement level）。
# 我们在切片周围添加填充以提供上下文以进行查看。
cmask, cbbox, masks = consensus(anns, clevel=0.5, pad=[(0,0), (7,7), (20,20)])
# 提取相应的切片进行可视化
image = vol[cbbox]
k = int(0.5 * (cbbox[2].stop - cbbox[2].start))
fig, ax = plt.subplots(1, 1, figsize=(5, 5))
ax.imshow(vol[cbbox][:, :, k], cmap=plt.cm.gray, alpha=1)
# 标记不同注释的边界
colors = ['r', 'g', 'b', 'y']
for j in range(len(masks)):
   for c in find_contours(masks[j][:, :, k].astype(float), 0.5):
       label = "Annotation %d" % (j+1)
       plt.plot(c[:, 1], c[:, 0], colors[j], label=label)
# 绘制50%共识轮廓线
for c in find_contours(cmask[:, :, k].astype(float), 0.5):
   plt.plot(c[:, 1], c[:, 0], '--k', label='50% Consensus')
ax.axis('off')  # 关闭坐标轴
ax.legend()  # 显示图例
plt.tight_layout()  # 调整布局以适应图像
plt.show()  # 显示图像

结果如下：
图片中，一共有4个专家对图像的分割的结果。和黑色的所有的专家对图像分割的平均的结果，一般情况下我们使用平均结果作为我们的实验参考。

1.1.3图像归一化-（读取CT图像的patch和分割标注）

图像归一化是一种将图像的像素值重新缩放到特定范围的处理方法，通常是将像素值映射到

0,1或者−1,1之间。这有助于提高模型的稳定性和收敛速度，使得不同图像具有相似的数据分布，有利于深度学习模型的训练和性能提升。代码如下

#归一化
    def normalize_hu(image):
	#将输入图像的像素值(-4000 ~ 4000)归一化到0~1之间
        MIN_BOUND = -1000.0
        MAX_BOUND = 400.0
        image = (image - MIN_BOUND) / (MAX_BOUND - MIN_BOUND)
        image[image > 1] = 1.
        image[image < 0] = 0.
        return image

1.2 图像标注信息预处理-（读取肺结节是良性还是恶性）

这段代码根据变量Malignancy的不同取值（如"Highly Unlikely"、"Moderately Unlikely"等），为label1赋予相应的标签（1到5）。通过这个过程，将文本标签映射为数字标签，方便后续机器学习模型的处理和训练。

    if Malignancy == 'Highly Unlikely':
        label1 = 1
    elif Malignancy == 'Moderately Unlikely':
        label1 = 2
    elif Malignancy == 'Indeterminate':
        label1 = 3
    elif Malignancy == 'Moderately Suspicious':
        label1 = 4
    elif Malignancy == 'Highly Suspicious':
        label1 = 5
    print(label1)

1.2 肺结节图像切片处理处理-（切片并保存）

首先根据image和cmask创建了ArrayDicom和ArrayDicom_mask矩阵。然后通过定位x_、y_、z_的中心点，对图像进行切片。接着将切片后的图像和对应的掩膜图像分别保存为大小为50x50的JPEG文件。同时，将图像的标签label1与文件名写入label.txt文件中。最后，将计数器ii增加，并输出计数器的值。
将处理后的图像进行切片和保存，并生成相应的标签信息。其中，ArrayDicom是图像数据矩阵，ArrayDicom_mask是对应的掩膜矩阵。通过对中心点定位，将图像在x、y、z方向上的切片进行大小为50x50的重采样和保存。同时，将每个图像切片的标签信息与文件名写入label.txt文件中，方便后续的数据处理和训练。
结果如下：
在label
这个label文件记录了每个图像文件的标签信息。每一行包含两个部分，以空格分隔：

第一部分是图像文件名，如 0.jpg, 1.jpg 等。
第二部分是对应图像的标签，标签是一个整数，表示图像的类别或者属性。在这个文件中，标签的含义可能是：
5: 高度可疑 (Highly Suspicious)
3: 不确定 (Indeterminate)
2: 中度可疑 (Moderately Suspicious)

1.3 总结

这样我们的就得到了我们需要训练的图像数据，它包括良性肺结节和恶性肺结节的2D图片和每一个肺结节的标签label。从三个不同方向上观察和处理图像，这在医学图像处理中是常见的。在这段代码中，每个方向的切片都被调整为大小为 (50, 50) 的图像，然后进行了插值以保持图像质量，并最终保存为 JPEG 图像文件。

“如果您有任何医学图像处理和机器学习项目需要技术支持，请随时私信我哦。”
有了这些文件我们就能够进行我们的放射组学特征的提取啦
完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as manim
from skimage.measure import find_contours
import cv2
import pylidc as pl
from pylidc.utils import consensus
import os

dataset_path = r'G:\dataset_zhang\LIDC-IDRI\\'
dicom_name   = 'LIDC-IDRI-0001'


#归一化
def normalize_hu(image):
	#将输入图像的像素值(-4000 ~ 4000)归一化到0~1之间
    MIN_BOUND = -1000.0
    MAX_BOUND = 400.0
    image = (image - MIN_BOUND) / (MAX_BOUND - MIN_BOUND)
    image[image > 1] = 1.
    image[image < 0] = 0.
    return image   

ii = 0
# Query for a scan, and convert it to an array volume.
for dicom_name in os.listdir(dataset_path):
    print(dicom_name)
    PathDicom = os.path.join(dicom_name)  
    scan = pl.query(pl.Scan).filter(pl.Scan.patient_id == dicom_name).first()
    vol = scan.to_volume()
# Cluster the annotations for the scan, and grab one.
    nods = scan.cluster_annotations()
    try :
        anns = nods[0]
        Malignancy = anns[0]
        Malignancy = Malignancy.Malignancy
    except :
        pass
# Perform a consensus consolidation and 50% agreement level.
# We pad the slices to add context for viewing.
    cmask,cbbox,masks = consensus(anns, clevel=0.5,
                          pad=[(0,0), (7,7), (20,20)])
    image = vol[cbbox]
    image = normalize_hu(image)
    k = int(0.5*(cbbox[2].stop - cbbox[2].start))

    if Malignancy == 'Highly Unlikely':
        label1 = 1
    elif Malignancy == 'Moderately Unlikely':
        label1 = 2
    elif Malignancy == 'Indeterminate':
        label1 = 3
    elif Malignancy == 'Moderately Suspicious':
        label1 = 4
    elif Malignancy == 'Highly Suspicious':
        label1 = 5
    print(label1)
    

    
    # 矩阵增广和传参
    ArrayDicom = image
    ArrayDicom_mask = cmask
    
    # 中心点定位
    x_, y_, z_ = np.shape(image)
    x_ = int(x_ / 2)
    y_ = int(y_ / 2)
    z_ = int(z_ / 2)
    
    # 图像进行切片处
    save_dir = r'F:\test\data\train'  # 修改为标签存放的位置 

# 检查并创建文件夹
    train_dirs = [ 'z', 'x',  'y']
    for directory in train_dirs:
        full_dir = os.path.join(save_dir, directory)
        if not os.path.exists(full_dir):
            os.makedirs(full_dir)
    
    # label信息保存
    txtfile = open(os.path.join(save_dir, 'label.txt'), mode='a')
    txtfile.writelines('%s %d \n' % (str(ii)+'.jpg', label1))
    txtfile.close()
    
    # z方向切片
    z_silc_50 = ArrayDicom[:, :, z_]
    z_silc_50 = cv2.resize(z_silc_50, (50, 50), interpolation=cv2.INTER_LINEAR) * 255
    z_silc_50 = z_silc_50.astype(np.uint8)  # 数据类型转换
    cv2.imwrite(os.path.join(save_dir,  'z', str(ii) + '.jpg'), z_silc_50)
    
    # x方向切片
    x_silc_50 = ArrayDicom[x_, :, :]
    x_silc_50 = cv2.resize(x_silc_50, (50, 50), interpolation=cv2.INTER_LINEAR) * 255
    x_silc_50 = x_silc_50.astype(np.uint8)  # 数据类型转换
    cv2.imwrite(os.path.join(save_dir,  'x', str(ii) + '.jpg'), x_silc_50)

    # y方向切片
    y_silc_50 = ArrayDicom[:, y_, :]
    y_silc_50 = cv2.resize(y_silc_50, (50, 50), interpolation=cv2.INTER_LINEAR) * 255
    y_silc_50 = y_silc_50.astype(np.uint8)  # 数据类型转换
    cv2.imwrite(os.path.join(save_dir,  'y', str(ii) + '.jpg'), y_silc_50)
    
    ii += 1
    print(ii)

请保护原创，转载不注明出处，将追究负法律责任！！！