医学图像处理_医学图像处理案例（二十）——医学图像处理案例代码详解

在前面分享的医学图像处理案例中，给出了很多具体案例，但有些读者还是渴望可以深入分享案例代码详解。那么今天我将从骨骼分割，气管分割，肺组织分割，血管分割这四个具体案例来详细讲解如何来实现。 1、骨骼分割代码详解 1.1、采用固定阈值分割，一般骨骼的HU值在300以上，但是发现心脏和主动脉的HU值与一些骨骼的HU比较接近，所以我们设置固定阈值为100，把骨骼和心脏及主动脉都分割出来。

1.2、 首先采用形态学开操作，将骨骼和心脏和主动脉连接的部分断开，然后再取最大连通域可以得到粗略的心脏和主动脉图像。

1.3、 再将步骤1.1的结果与步骤1.2的结果相减。

1.4、 对步骤1.3的结果求取最大连通域得到骨骼Mask区域。

1.5、将得到的Mask图像与原始图像进行逻辑与操作得到最后的气管分割结果图像。

代码：

def skeletonSegment(pathDicom):    sitk_src = dicomseriesReader(pathDicom)    # 1    sitk_seg = BinaryThreshold(sitk_src, lowervalue=100, uppervalue=3000)    sitk.WriteImage(sitk_seg, 'step1.mha')    # 2    sitk_open = MorphologicalOperation(sitk_seg, kernelsize=2, name='open')    sitk_open = GetLargestConnectedCompont(sitk_open)    sitk.WriteImage(sitk_open, 'step2.mha')    # 3    array_open = sitk.GetArrayFromImage(sitk_open)    array_seg = sitk.GetArrayFromImage(sitk_seg)    array_mask = array_seg - array_open    sitk_mask = sitk.GetImageFromArray(array_mask)    sitk_mask.SetDirection(sitk_seg.GetDirection())    sitk_mask.SetSpacing(sit