python医学图像可视化_医学图像预处理之可视化

本文介绍了两种医学图像处理方法:使用ITK-SNAP直接读取.nii.gz图像,以及通过Python+SimpleITK将.nii.gz转为.jpg。虽然Python方案方便保存,但图像信息会有损失,不适合深度学习训练。文中展示了具体的转换代码,并警告了转换为JPG时的数据丢失问题。
摘要由CSDN通过智能技术生成

1 前言

本文介绍两种医疗图像可视化的方案,一种是直接使用ITK-SNAP读取.nii.gz图像;另一种是使用python+SimpleITK将后缀名为.nii.gz转化成jgp的形式进行保存。虽然第二种方式即使用python+SimpleITK可以将医疗图像数据保存成JGP的形式,但是这种转化是有损失,所以如果你的目标是训练一个深度学习模型,我不建议采用这种方式。本文所使用的数据集为公开的胰腺分割数据集,其包含82个病人的胰腺数据集。

1.1 使用ITK-SNAP读取医疗图像

ITK-SNAP是一个用于三维医学图像分割的软件应用程序。它是宾夕法尼亚大学宾州图像计算与科学实验室(PICSL)的Paul Yushkevich博士和犹他大学科学计算与成像研究所(SCI)的Guido Gerig博士合作的产物,他的愿景是创造一个工具,将致力于一个特定的功能,分割,并将易于使用和学习。ITK-SNAP是免费的、开源的、多平台的,下载地址为http://www.itksnap.org/pmwiki/pmwiki.php?n=Downloads.SNAP3。ITK-SNAP加载数据集之后初始界面如下:初始化界面中三张图分别表示某一个slice所对应的横断面、矢状面、冠状面截图。横断面表示的是从上往下看时,患者组织的截图;矢状面表示从左往右看时,患者组织的截图;冠状面表示从前往后看时,患者组织的截图;如图3所示。我们可以发现直接观察图像时,各个组织对比不是很明显,此时可以通过调整窗宽、窗位来使得组织之间的差异性变大,具体操作如图2所示。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值