python dicom图像分割_处理医疗影像的Python利器：PyDicom

Pydicom是一个用于处理DICOM格式文件的Python包，可以处理包括如医学图像（CT等）、报告等。

Pydicom支持DICOM格式的读取：可以将dicom文件读入python结构，同时支持修改后的数据集可以再次写入DICOM格式文件。但需要注意，它不是被设计为查看图像，主要是用来操作DICOM文件的各种数据元素。

PyDicom的安装

支持PIP和Conda安装，因此非常方便。以Anaconda安装为例：

conda install pydicom --channel conda-forge

读取Dicom文件

导入PyDicom包

import pydicom

读取一个dicom文件并显示

ds = pydicom.dcmread(file)

plt.figure(figsize=(10, 10))

plt.imshow(ds.pixel_array, cmap=plt.cm.bone)

plt.show()

一个完整的CT图像预处理的例子

对于CT图像，通常以患者的一次拍摄为一个文件夹，文件夹下有一序列的dicom文件，每个文件称为一个切片（slice）。但是每个患者的情况不同，所以slice间的间距不同，并且可能slice的排序也不同，因此需要在训练数据前做预处理。

这里参考Kaggle中的处理肺部照片的一个Kernel，对使用PyDicom处理CT图像做一个介绍参考评论里的反馈，这里将Kernel的Link以卡片形式放出：Full Preprocessing Tutorial | Kaggle​www.kaggle.com

1、导入libraries，将所有患者的目录列出来：

%matplotlib inline

import numpy as np # linear algebra

import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import dicom

import os

import scipy.ndimage

import matplotlib.pyplot as plt

from skimage import measure, morphology

from mpl_toolkits.mplot3d.art3d import Poly3DCollection

# 包含所有患者目录的根目录

INPUT_FOLDER = '../input/sample_images/'

patients = os.listdir(INPUT_FOLDER)

patients.sort()

2、扫描一个患者的目录，加载所有的切片，按切换的z方向排序切片，并获取切片厚度

def load_scan(path):

slices = [dicom.read_file(path + '/' + s) for s in os.listdir(path)]

slices.sort(key = lambda x: float(x.ImagePositionPatient[2]))

try:

slice_thickness = np.abs(slices[0].ImagePositionPatient[2] - slices[1].ImagePositionPatient[2])

except:

slice_thickness = np.abs(slices[0].SliceLocation - slices[1].SliceLocation)

for s in slices: