医学图像基本格式学习

最新推荐文章于 2023-04-12 21:16:47 发布

Nightmare004

最新推荐文章于 2023-04-12 21:16:47 发布

阅读量2k

点赞数 1

文章标签：医学

本文链接：https://blog.csdn.net/qq_39942341/article/details/121569281

版权

Dicom

官网：https://dicom.nema.org/

简介

DICOM(Digital Imaging and Communications in Medicine)医疗数字影像传输协定
https://blog.csdn.net/qq_39071305/article/details/101880158
用于医学影像处理、储存、打印、传输的一组通用的标准协定。它包含了文件格式的定义以及网络通信协议。DICOM是以TCP/IP为基础的应用协定，并以TCP/IP联系各个系统。两个能接受DICOM格式的医疗仪器间，可通过DICOM格式的文件，来接收与交换影像及病人资料。

重要性

https://www.dicomstandard.org/docs/librariesprovider2/dicomdocuments/wp-cotent/uploads/2018/10/day1_s2-odonnell-dicom-overview-cn.pdf?sfvrsn=15770eab_2
几乎所有的东西出来都是DICOM，如CT、MR、X光、超声
DICOM不止存储了图像数据，还有重要的元数据，比如病人信息

格式

https://dicom.nema.org/medical/dicom/current/output/html/part05.html
https://dicom.nema.org/medical/dicom/current/output/html/part06.html

dicom的格式主要分为4类，分别是：

Patient Tag （病人信息）
Study Tag（检查信息）
Series Tag（序列信息）
Image Tag（图像信息）

文件前言：128字节
DICOM前缀：DICM
文件元信息：格式上与数据元素一样，长度不定

数据元素格式：

小端隐式语法
小端显式语法
大端显式语法

大端和小端的区别与操作系统的大端小端一样
显示和隐式区别在于有没有值类型（VR）

隐式语法：
在这里插入图片描述
显示语法：
VR为OB、OW、OF、UT、UN、SQ时如下

VR为其他情况时如下

Patient Tag

Group(组号)	Element（元素号）	Tag Description	中文解释	VR
0010	0010	Patient’s Name	患者姓名	PN
0010	0020	Patient’s ID	患者ID	LO
0010	0030	Patient’s Birth Date	患者出生日期	DA
0010	0032	Patient’s Birth Time	患者出生时间	TM
0010	0040	Patient’s Sex	患者性别	CS
0010	1030	Patient’s Weight	患者体重	DS
0010	21C0	Pregnancy Status	怀孕状态	US

Study Tag

Group(组号)	Element（元素号）	Tag Description	中文解释	VR
0008	0050	Accession Number:A RIS generated number that identifies the order for the Study.	检查号：RIS的生成序号,用以标识做检查的次序.	SH
0020	0010	Study ID	检查ID.	SH
0020	000D	Study Instance UID: Unique identifier for the Study.	检查实例号：唯一标记不同检查的号码.	UI
0008	0020	Study Date： Date the Study started.	检查日期：检查开始的日期.	DA
0008	0030	Study Time：Time the Study started.	检查时间：检查开始的时间.	TM
0008	0061	Modalities in Study	一个检查中含有的不同检查类型.	CS
0008	0015	Body Part Examined	检查的部位.	CS
0008	1030	Study Description	检查的描述.	LO
0010	1010	Patient’s Age	做检查时刻的患者年龄,而不是此刻患者的真实年龄.	AS

Series Tag

Group(组号)	Element（元素号）	Tag Description	中文解释	VR
0020	0011	Series Number:A number that identifies this Series.	序列号：识别不同检查的号.	IS
0020	000E	Series Instance UID:Unique identifier for the Series.	序列实例号：唯一标记不同序列的号码.	UI
0020	0013	Instance Number	实例号	IS
0008	0060	Modality	检查模态(MRI/CT/CR/DR)	CS
0008	103E	Series Description	检查描述和说明	LO
0008	0021	Series Date	检查日期	DA
0008	0031	Series Time	检查时间	TM
0020	0032	Image Position (Patient)：The x, y and z coordinates of the upper left hand corner of the image, in mm.	图像位置：图像的左上角在空间坐标系中的x,y,z坐标,单位是毫米.如果在检查中,则指该序列中第一张影像左上角的坐标.	DS
0020	0037	Image Orientation (Patient):The direction cosines of the first row and the first column with respect to the patient.	图像方位	DS
0018	0050	Slice Thickness:Nominal slice thickness, in mm.	层厚.	DS
0018	0088	Spacing Between Slices	层与层之间的间距,单位为mm	DS
0020	1041	Slice Location：Relative position of exposure expressed in mm.	实际的相对位置，单位为mm.	DS
0018	0023	MR Acquisition	收购者	CS
0018	0015	Body Part Examined	身体部位.	CS

其中有2个重要的tag
tag：7fe0,0010，像素数据开始处
tag：0002,0010，决定普通tag的读取方式 little字节序还是big字节序，隐式VR还是显示VR。

代码

pydicom读取一张图

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import pydicom

if __name__ == '__main__':

    # 读一张图片
    ds = pydicom.read_file('series-00000/image-00000.dcm')
    print(ds)
    print()
    print(ds.file_meta.get("TransferSyntaxUID"))
    print(ds[0x20, 0xd])
    print(ds[0x20, 0xe])
    print(ds[0x20, 0x11])
    print(ds[0x20, 0x13])
    print(ds[0x0028, 0x1050])
    print(ds[0x0028, 0x1051])
    print()
    # ds = pydicom.read_file('series-00000/image-00001.dcm')
    # print(ds.file_meta.get("TransferSyntaxUID"))
    # print(ds[0x20, 0xd])
    # print(ds[0x20, 0xe])
    # print(ds[0x20, 0x11])
    # print(ds[0x20, 0x13])
    # print(ds[0x0028, 0x1050])
    # print(ds[0x0028, 0x1051])

simpleitk读取一系列图

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import SimpleITK as sitk

# Dicom序列所在文件夹路径（在我们的实验中，该文件夹下有多个dcm序列，混合在一起）
file_path = "series-00000"

# 获取该文件下的所有序列ID，每个序列对应一个ID， 返回的series_IDs为一个列表
series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(file_path)

# 查看该文件夹下的序列数量
nb_series = len(series_IDs)
print(nb_series)

# 通过ID获取该ID对应的序列所有切片的完整路径， series_IDs[0]代表的是第一个序列的ID
# 如果不添加series_IDs[0]这个参数，则默认获取第一个序列的所有切片路径
series_file_names = sitk.ImageSeriesReader.GetGDCMSeriesFileNames(file_path, series_IDs[0])

# 新建一个ImageSeriesReader对象
series_reader = sitk.ImageSeriesReader()
series_reader.MetaDataDictionaryArrayUpdateOn()  # 这一步是加载公开的元信息
# 通过之前获取到的序列的切片路径来读取该序列
series_reader.SetFileNames(series_file_names)

reader = sitk.ImageFileReader()
reader.SetFileName(series_file_names[0])
reader.LoadPrivateTagsOn()

reader.ReadImageInformation()

for k in reader.GetMetaDataKeys():  # 获取 key
    print(k, reader.GetMetaData(k))  # 获取 key 对应的 MetaData

# 获取该序列对应的3D图像
image3D = series_reader.Execute()
print(image3D.GetMetaDataKeys())
# 查看该3D图像的尺寸
print(image3D.GetSize())
print(image3D.GetDirection())
image_array = sitk.GetArrayFromImage(image3D)  # z, y, x

sitk.WriteImage(image3D, 'img3D.nii.gz')

NRRD

官网http://teem.sourceforge.net/nrrd/format.html

简介

NRRD(nearly raw raster data)不仅是一种库，也是一种文件格式，
旨在支持涉及 N 维栅格数据的科学可视化和图像处理

格式

NRRD000X
<field>: <desc>
<field>: <desc>
#<comment>
…
<field>: <desc>
<key>:=<value>
<key>:=<value>
<key>:=<value>
# <comment>
<data><data><data><data>…

开头固定NRRD,然后跟着000X，其中X代表版本号
前面是元数据
例如
type：后面data的数据类型
dimension：维度
space：物理空间坐标系，有冠状位，矢状位，水平位等
sizes：大小

后面是图像数据

代码

用pynrrd读

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import nrrd

# nrrd图片读取
nrrd_filename = 'average_template_25.nrrd'
nrrd_data, nrrd_options = nrrd.read(nrrd_filename)
print(nrrd_data)
print()
print(nrrd_options)

用simpleitk

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import SimpleITK as sitk

reader = sitk.ImageFileReader()
reader.SetFileName('average_template_25.nrrd')
reader.LoadPrivateTagsOn()

reader.ReadImageInformation()

for k in reader.GetMetaDataKeys():  # 获取 key
    print(k, reader.GetMetaData(k))  # 获取 key 对应的 MetaData
print()
# image = sitk.ReadImage('average_template_25.nrrd', imageIO="NrrdImageIO")
image = sitk.ReadImage('average_template_25.nrrd')
image_array = sitk.GetArrayFromImage(image)  # z, y, x
print(image_array)

Analyze7.5

官网：http://eeg.sourceforge.net/ANALYZE75.pdf

简介

由 Mayo Clinic 的 Biomedical Imaging Resource 团队开发的三维生物医学图像可视化和分析产品
后缀为.hdr/.img
成对出现，.hdr是头文件，.img是图像文件

头文件：

头文件信息（比如头文件大小）
图像信息（比如图片的维度）
其他信息（比如病人id）

NIFTI

官网https://nifti.nimh.nih.gov/

简介

https://brainder.org/2012/09/23/the-nifti-file-format/
NIFTI格式是为了替代Analyze格式而产生的
因为Analyze缺少一些信息（如一些空间信息）
NIFTI兼容Analyze格式，并拥有更多的信息

后缀.nii、、.img/.hdr、.nii.gz、.img/.hdr.gz

因为兼容，所以有.img/.hdr
也可以合成一个文件.nii
因为有大量的0，所以有了后面的.gz

代码

nibabel

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import matplotlib

matplotlib.use('TkAgg')

from matplotlib import pylab as plt
import nibabel as nib
from nibabel.viewers import OrthoSlicer3D

example_filename = 'RibFrac1-image.nii.gz'

img = nib.load(example_filename)
print(img)
print(img.header['db_name'])  # 输出头信息

# 由文件本身维度确定，可能是3维，也可能是4维
width, height, queue = img.dataobj.shape

OrthoSlicer3D(img.dataobj).show()

num = 1
for i in range(0, queue, 10):
    img_arr = img.dataobj[:, :, i]
    plt.subplot(5, 4, num)
    plt.imshow(img_arr, cmap='gray')
    num += 1

plt.show()

simpleitk

#!/usr/bin/env python
# _*_ coding:utf-8 _*_
import SimpleITK as sitk
from matplotlib import pyplot as plt


def showNii(img):
    for i in range(img.shape[0]):
        plt.imshow(img[i, :, :], cmap='gray')
        plt.show()


itk_img = sitk.ReadImage('RibFrac1-image.nii.gz')
img = sitk.GetArrayFromImage(itk_img)
print(img.shape)  # (155, 240, 240) 表示各个维度的切片数量
showNii(img)

simpleitk

这是一个库，不是格式
SimpleITK.ReadImage可以读这些格式
• BMPImageIO ( *.bmp, *.BMP )
• BioRadImageIO ( *.PIC, *.pic )
• Bruker2dseqImageIO
• GDCMImageIO
• GE4ImageIO
• GE5ImageIO
• GiplImageIO ( *.gipl *.gipl.gz)
• HDF5ImageIO
• JPEGImageIO ( *.jpg, *.JPG, *.jpeg, *.JPEG )
• LSMImageIO ( *.tif, *.TIF, *.tiff, *.TIFF, *.lsm, *.LSM )
• MINCImageIO ( *.mnc, *.MNC )
• MRCImageIO ( *.mrc, *.rec )
• MetaImageIO ( *.mha, *.mhd )
• NiftiImageIO ( *.nia, *.nii, *.nii.gz, *.hdr, *.img, *.img.gz )
• NrrdImageIO ( *.nrrd, *.nhdr )
• PNGImageIO ( *.png, *.PNG )
• StimulateImageIO
• TIFFImageIO ( *.tif, *.TIF, *.tiff, *.TIFF )
• VTKImageIO ( *.vtk )

Nightmare004

关注

1
点赞
踩
13

收藏

觉得还不错? 一键收藏
打赏
0
评论
医学图像基本格式学习

DicomDICOM(Digital Imaging and Communications in Medicine)是指医疗数字影像传输协定，是用于医学影像处理、储存、打印、传输的一组通用的标准协定。它包含了文件格式的定义以及网络通信协议。DICOM是以TCP/IP为基础的应用协定，并以TCP/IP联系各个系统。两个能接受DICOM格式的医疗仪器间，可通过DICOM格式的文件，来接收与交换影像及病人资料。...
复制链接

扫一扫