pydicom和SimpleITK分别解析医学影像中dicom文件
首先,无论是pydicom还是SimpleITK都是需要事先导入到python中的库,如果使用的是pycharm IDE,可以先创建python3的虚拟环境,然后在虚拟环境下通过file-setting-Project interpreter ,在添加模块里面直接搜上述两个库的名称,点击安装即可。
pydicom提取单张dicom图像
import pydicom
from matplotlib import pyplot
ds = pydicom.read_file('C:/Users/****/Desktop/CT000000.dcm')# DICOM文件的位置
print(ds.dir()) # 打印所有 DICOM TAG 名
print(ds.dir('Pixe')) # 打印包含 'pat' 的 DICOM TAG
print(ds.PatientName, ds.PatientSex, ds.PatientID, ds.PatientBirthDate, ds.PatientAge) # 打印 DICOM TAG 相应的属性值
print(ds.data_element('PatientName')) # 打印一个完整的数据元素,包括 DICOMTAG编码值(Group, Element), VR, Value
print(ds.data_element('PatientID').VR, ds.data_element('PatientID').value)
pixel_bytes = ds.PixelData # 原始二进制文件
pix = ds.pixel_array # 像素值矩阵
print(pix.shape) # 打印矩阵维度
pyplot.imshow(pix, cmap=pylab.cm.bone)
pyplot.show() # cmap 表示 colormap,可以是设置成不同值获得不同显示效果,打印dicom图片
注意,此时可能会报错,报错的地方是ds.pixel_array,原因是某些格式的dicom文件不能用pydicom提取,参考解答。
pydicom提取序列dicom图像
import pydicom
import numpy
from matplotlib import pyplot
# 用lstFilesDCM作为存放DICOM files的列表
PathDicom = "D:/dicom_image/V" # 与python文件同一个目录下的文件夹
lstFilesDCM = []
# 将所有dicom文件读入
for diName, subdirList, fileList in os.walk(PathDicom):
for filename in fileList:
if ".dcm" in filename.lower(): # 判断文件是否为dicom文件
print(filename)
lstFilesDCM.append(os.path.join(diName, filename)) # 加入到列表中
## 将第一张图片作为参考图
RefDs = pydicom.read_file(lstFilesDCM[10]) # 读取第一张dicom图片
# print(RefDs)
# print(RefDs.pixel_array)
# print(RefDs.PatientPosition)
pyplot.imshow(RefDs.pixel_array, cmap=pyplot.cm.bone)
pyplot.show()
# 建立三维数组,分别记录长、宽、层数(也就是dicom数据个数)
ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFilesDCM))
print(ConstPixelDims)
# 得到spacing值 (mm为单位)
# PixelSpacing - 每个像素点实际的长度与宽度,单位(mm)
# SliceThickness - 每层切片的厚度,单位(mm)
ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))
# 三维数据
x = numpy.arange(0.0, (ConstPixelDims[0] + 1) * ConstPixelSpacing[0], ConstPixelSpacing[0]) # 0到(第一个维数加一*像素间的间隔),步长为constpixelSpacing
y = numpy.arange(0.0, (ConstPixelDims[1] + 1) * ConstPixelSpacing[1], ConstPixelSpacing[1]) #
z = numpy.arange(0.0, (ConstPixelDims[2] + 1) * ConstPixelSpacing[2], ConstPixelSpacing[2]) #
print(len(x),"xxxx")
ArrayDicom = numpy.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)
# 遍历所有的dicom文件,读取图像数据,存放在numpy数组中
for filenameDCM in lstFilesDCM:
ds = pydicom.read_file(filenameDCM)
ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)] = ds.pixel_array
# 轴状面显示
# dpi是指每英寸的像素数,dpi越大,表示打印出来的图片越清晰。不是指图片的大小.
# 像素用在显示领域 分辨率用在打印领域 也就是你的图像是用来打印的时候才去考虑分辨率的问题
pyplot.figure(dpi=1000)
# 将坐标轴都变为同等长度
# pyplot.axes().set_aspect('equal', 'datalim')
pyplot.axes().set_aspect('equal')
# 将图片变为gray颜色
pyplot.set_cmap(pyplot.gray())
pyplot.imshow(ArrayDicom[:, :, 360])# 第三个维度表示现在展示的是第几层
pyplot.show()
56 # 冠状面显示
pyplot.figure(dpi=100)
pyplot.axes().set_aspect('equal', 'datalim')
pyplot.set_cmap(pyplot.gray())
pyplot.imshow(ArrayDicom[:, 90, :])
pyplot.show()
SimpleITK打开单张dicom图像
import SimpleITK as sitk
import numpy as np
from matplotlib import pyplot
file = sitk.ReadImage('C:/Users/****/Desktop/CT1227429.dcm')
print(file.GetSize())
print(file.GetOrigin()) # 坐标原点
print(file.GetSpacing()) # 像素间距
print(file.GetDirection()) # 方向
pixel_array = sitk.GetArrayFromImage(file) # 像素矩阵
print(pixel_array.shape) # 打印矩阵维度
image_array = np.squeeze(pixel_array)
print(image_array.shape) #
pyplot.imshow(image_array)
pyplot.show()
SimpleITK打开多张dicom图像
reader = sitk.ImageSeriesReader()
reader.MetaDataDictionaryArrayUpdateOn()#这一步是加载公开的元信息
reader.LoadPrivateTagsOn()#这一步是加载私有的元信息
series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(directorypath)#根据文件夹获取序列ID,一个文件夹里面通常是一个病人的所有切片,会分为好几个序列
dicom_names = reader.GetGDCMSeriesFileNames( directorypath,series_ID)#选取其中一个序列ID,获得该序列的若干文件名
reader.SetFileNames(dicom_names)#设置文件名
image3D = reader.Execute()#读取dicom序列
# 通过切片的索引来读取属于该切片的键,然后通过切片索引与键获取相应的值
reader.GetMetaDataKeys(slice_index)
reader.GetMetaData(slice_index,key)