医学图像预处理（五）器官与病灶的直方图

最新推荐文章于 2024-11-12 16:53:07 发布

normol

最新推荐文章于 2024-11-12 16:53:07 发布

阅读量7.7k

点赞数 17

CC 4.0 BY-SA版权

分类专栏：计算机视觉文章标签：医学图像处理 hu 直方图肝脏肿瘤

本文链接：https://blog.csdn.net/normol/article/details/88907691

事情起因是：
用模型训练分割肝脏，效果还不错。但是训练分割肝脏肿瘤时，dice系数很低。由于已经经过ROI处理，和图像预处理过程，所以只可能是数据层面出现了问题。经过查看，发现很多ct图是即使用肉眼也无法分辨出肿瘤的。论文中给出的那种图片，肿瘤与肝脏对比度很高，但这种情况只是数据集中的少数。为了验证自己的想法，在LITS2017的数据集上，做出了130个病人对应的肝脏与肿瘤的hu直方图，发现果然如此。
但这样的话，论文里是如何获得那么好的结果的呢？？
（更新：2019-4-2，已完成肿瘤分割实验，写在博客：医学图像分割基于深度学习的肝脏肿瘤分割实战(二））

下面是代码，可以作为工具类使用：

import numpy as np
import SimpleITK as sitk
import matplotlib.pyplot as plt

onServer = False
if onServer:
    niiSegPath = './LITS17/seg/'
    niiImagePath = './LITS17/ct/'
else:
    niiSegPath = '~/LITS17/seg/'
    niiImagePath = '~/LITS17/ct/'
    
def getRangeImageDepth(image):
    z = np.any(image, axis=(1,2)) # z.shape:(depth,)
    #print("all index:",np.where(z)[0])
    if len(np.where(z)[0]) >0:
        startposition,endposition = np.where(z)[0][[0,-1]]
    else:
        startposition = endposition = 0
    
    return startposition, endposition
"""
会画出每个病人肿瘤区域最大切片的直方图
与汇总的直方图
"""
total_liver = []
total_tumor = []
colors = ['b','g']
for i in range(0, 131, 1):
    seg = sitk.ReadImage(niiSegPath+ "segmentation-" + str(i) + ".nii", sitk.sitkUInt8)
    segimg