用pytorch处理医学图像（以nifity图像为例）----持续更新中

最新推荐文章于 2024-08-12 09:02:43 发布

小花生呀

最新推荐文章于 2024-08-12 09:02:43 发布

阅读量6.6k

点赞数 8

分类专栏： Pytorch

本文链接：https://blog.csdn.net/qq_37471316/article/details/86217476

版权

本文介绍了如何使用PyTorch处理医学图像，特别是Nifti格式的图像。文章首先提到了安装nibabel和SimpleITK包，然后分别展示了两种图像读取方法。接着，讨论了图像的基本操作和存储，并探讨了如何输出多个label及自定义损失函数。针对自定义loss的求导问题，提出了三种解决方案：利用Tensor接口、PyTorch的numpy/scipy扩展以及编写C扩展。最后，预告了下一篇文章将深入探讨PyTorch的C扩展实现。

摘要由CSDN通过智能技术生成

在这之前，要安装一些常用的包：

pip install nibabel----安装用于读写影像数据文件的程序包

pip install --trusted-host pypi.python.org SimpleITK-----安装ITK包

图像读取

法1：

import SimpleITK as sitk #导入itk
import numpy as np
import torch

.... 

imagenames = [os.path.join(datapath, 'patient%02d_C0.nii.gz' % i) for i in indcs] #图像路径

....     
   
itkimage = sitk.ReadImage(imagenames[subjectid]) #读取数据
numpyimage = sitk.GetArrayFromImage(itkimage) #转为numpy
tensorimage = torch.from_numpy(numpyimage ).type(torch.FloatTensor) #转为tensor

....

法2：

import numpy as np
import nibabel as nib

nibimage = nib.load(imagenames[subjectid])
imagedata = nibimage.get_data() 
header = nibimage.get_header() #读取图像信息，后面save result in NIFITY format要用到
ref_affine = nibimage.get_affine()
numpyimage = np.array(i