Pylinac 项目教程

Pylinac 项目教程

pylinac A TG-142 toolkit for doing routine linear accelerator quality assurance 项目地址: https://gitcode.com/gh_mirrors/py/pylinac

1. 项目介绍

Pylinac 是一个用于医学物理图像分析的 Python 库，主要用于放射治疗和诊断医学物理中的常规质量保证（QA）任务。该库遵循 AAPM TG-142 和其他相关指南，提供了高层次的模块来自动分析由直线加速器、CT 模拟器和其他放射肿瘤设备生成的图像和数据。Pylinac 不仅适用于 Python 程序员，也适用于非程序员，旨在简化图像分析过程，生成有意义的输出结果，如数值结果、分析图表或包含数值和图表数据的 PDF 报告。

2. 项目快速启动

安装

首先，确保你已经安装了 Python 环境。然后使用 pip 安装 Pylinac：

pip install pylinac

基本使用

以下是一个简单的示例，展示如何加载 DICOM 图像并进行基本分析：

from pylinac import image

# 加载 DICOM 图像
my_dcm = image.load("path/to/my/image.dcm")

# 获取图像的 GantryAngle 标签
gantry_angle = my_dcm.metadata.GantryAngle
print(f"Gantry Angle: {gantry_angle}")

# 旋转图像
my_dcm.rotate(90)

# 显示图像
my_dcm.plot()

3. 应用案例和最佳实践

案例1：Winston-Lutz 分析

Winston-Lutz 测试用于评估直线加速器的机械精度。以下是如何使用 Pylinac 进行 Winston-Lutz 分析的示例：

from pylinac.winston_lutz import WinstonLutz

# 加载 Winston-Lutz 图像
wl = WinstonLutz("path/to/winston_lutz_images")

# 运行分析
wl.analyze()

# 生成报告
wl.publish_pdf("winston_lutz_report.pdf")

案例2：Picket Fence 分析

Picket Fence 测试用于评估多叶准直器（MLC）的精度。以下是如何使用 Pylinac 进行 Picket Fence 分析的示例：

from pylinac.picketfence import PicketFence

# 加载 Picket Fence 图像
pf = PicketFence("path/to/picket_fence_image.dcm")

# 运行分析
pf.analyze()

# 生成报告
pf.publish_pdf("picket_fence_report.pdf")

4. 典型生态项目

1. Matplotlib

Matplotlib 是一个用于创建静态、动画和交互式可视化的 Python 绘图库。Pylinac 使用 Matplotlib 来生成分析图表。

2. NumPy

NumPy 是 Python 中用于科学计算的基础包，提供了强大的多维数组对象和用于处理这些数组的工具。Pylinac 使用 NumPy 进行图像数据的处理和分析。

3. SciPy

SciPy 是一个开源的 Python 库，用于科学和工程计算。Pylinac 使用 SciPy 进行高级图像处理和分析任务。

4. PyDICOM

PyDICOM 是一个用于处理 DICOM 文件的 Python 库。Pylinac 使用 PyDICOM 来加载和处理 DICOM 图像。

通过结合这些生态项目，Pylinac 能够提供强大的图像分析功能，满足医学物理领域的多种需求。

pylinac A TG-142 toolkit for doing routine linear accelerator quality assurance 项目地址: https://gitcode.com/gh_mirrors/py/pylinac