如何往dicom图像的overlay层写入数据和解析overlay层的数据

写入数据
1,

public static DicomOverlayData Overlay(DicomDataset ds)
        {
ushort group = 0x6000;
            while (ds.Contains(new DicomTag(group, DicomTag.OverlayBitPosition.Element))) group += 2;
            var dsImage = new DicomImage(ds, 0);
            var overlay = new DicomOverlayData(ds, group)
            {
                Type = DicomOverlayType.ROI,
                Rows = dsImage.Height,
                Columns = dsImage.Width,
                OriginX = 1,
                OriginY = 1,
                BitsAllocated = 1,
                BitPosition = 1
            };
            return overlay;
            }

2,新建容器

OverlayDataList = new BitList { Capacity = overlay.Rows * overlay.Columns };
Overlay(newDataset);
 OverlayData.Data = EvenLengthBuffer.Create(new MemoryByteBuffer(OverlayDataList.Array));
            DicomDataset dataset = new DicomDataset();
            DicomFile ctFile = new DicomFile(newDataset);
            ctFile.Dataset.AddOrUpdate(DicomTag.OverlayData, OverlayData.Data);

解析overlay层数据

var dcmFile = DicomFile.Open(@filename);
            var dataset = dcmFile.Dataset;
            IPixelData pixelData = PixelDataFactory.Create(DicomPixelData.Create(dataset), 0);
            int height = dataset.GetSingleValue<int>(DicomTag.Rows);
            int width = dataset.GetSingleValue<int>(DicomTag.Columns);
            Bitmap bitmap = new Bitmap(width, height);
           
            var overlays = DicomOverlayData.FromDataset(dataset);
            var overlayDatabety = _overlays[0].Data.Data;
            for (int i = 0; i < overlayDatabety.Length; i++)
            {
                for (int k = 0; k < 8; k++)
                {
                    int b = ((overlayDatabety[i] >> k) & 0x1);
                    int value = 0;
                    if (b > 0)
                    {
                        value = 0;
                    }
                    else
                    {
                        value = 255;
                    }
                    int rowIndwx = ((i * 8) + k) / overlays[0].Columns;
                    int colIndwx = ((i * 8) + k) % overlays[0].Columns;
                    bitmap.SetPixel(colIndwx, rowIndwx, Color.FromArgb(value, value, value));
                }
            }
          
            var newfilename = Path.ChangeExtension(new_Markfullname, ".bmp");
            bitmap.Save(newfilename, System.Drawing.Imaging.ImageFormat.Bmp);//测试代码  
            return bitmap;
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
DICOM 图像传入 PyTorch 并进行数据预处理的过程可以分为以下几个步骤: 1. 读取 DICOM 数据:使用 PyDICOM 库读取 DICOM 数据,获取图像像素值和元数据信息。 ```python import pydicom import numpy as np def load_dicom(file_path): dicom_data = pydicom.read_file(file_path) pixel_array = dicom_data.pixel_array.astype(np.float32) metadata = { 'patient_id': dicom_data.PatientID, 'study_date': dicom_data.StudyDate, 'modality': dicom_data.Modality, # 其他元数据信息 } return pixel_array, metadata ``` 2. 数据预处理:对 DICOM 数据进行预处理,例如缩放、裁剪、归一化等操作。 ```python from torchvision import transforms def preprocess(pixel_array): # 缩放到 256x256 大小 transform = transforms.Compose([ transforms.ToPILImage(), transforms.Resize((256, 256)), transforms.ToTensor(), ]) tensor = transform(pixel_array) # 归一化到 [0, 1] 范围 tensor = tensor / tensor.max() return tensor ``` 3. 将数据转换为 PyTorch 张量:将经过预处理的数据转换为 PyTorch 张量。 ```python import torch def to_tensor(pixel_array): tensor = torch.from_numpy(pixel_array) tensor = tensor.unsqueeze(0) # 增加 batch 维度 return tensor ``` 4. 完整代码:将以上步骤组合起来,可得到将 DICOM 数据传入 PyTorch 并进行数据预处理的完整代码。 ```python import pydicom import numpy as np import torch from torchvision import transforms def load_dicom(file_path): dicom_data = pydicom.read_file(file_path) pixel_array = dicom_data.pixel_array.astype(np.float32) metadata = { 'patient_id': dicom_data.PatientID, 'study_date': dicom_data.StudyDate, 'modality': dicom_data.Modality, # 其他元数据信息 } return pixel_array, metadata def preprocess(pixel_array): transform = transforms.Compose([ transforms.ToPILImage(), transforms.Resize((256, 256)), transforms.ToTensor(), ]) tensor = transform(pixel_array) tensor = tensor / tensor.max() return tensor def to_tensor(pixel_array): tensor = torch.from_numpy(pixel_array) tensor = tensor.unsqueeze(0) return tensor file_path = 'path/to/dicom/file' pixel_array, metadata = load_dicom(file_path) tensor = preprocess(pixel_array) tensor = to_tensor(tensor) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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