这是一个学习记录博~可能有错,欢迎讨论
P.S. 本文所用的unet源码来自Unet源码。
目标
实现胃部超声图像的病灶分割
医学数据以及预处理简介
医学图像的数据格式十分复杂,数据形式有什么CT图像,MRI图像(目前还没接触过~),超声图像等(详细信息可以参考:医学图像了解。),而数据格式上有诸如dicom(.dcm,.IMA,常用的python处理库有:SimpleITK, pydicom库),Nifit(.nii或.nii.gz,常用的python处理库有:SimpleITK, nibabel库),NRRD(.nrrd,常用的python处理库有:SimpleITK,pynrrd库)等。
这里再插一句,对于CT图像呢,有图像值与HU值这个概念,CT值属于医学领域的概念,通常称亨氏单位(hounsfield unit ,HU),反映了组织对X射线吸收程度,范围一般是[-1024,3071]。图像值属于计算机领域的概念,例如灰度图像的范围一般是[0,255]。
在网上有看到这样的解释(CT图像之Hu值变换与窗宽窗位调整):
对于nii格式的图片,经过测试,nibabel, simpleitk常用的api接口,都会自动的进行上述转化过程,即取出来的值已经是Hu了。(除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据)
对于dcm格式的图片,经过测试,simpleitk, pydicom常用的api接口都不会将原始数据自动转化为Hu!!(itk snap软件读入dcm或nii都不会对数据进行scale操作)
但我认为这个解释不是很对,因为我用simp