pytorch搭建卷积神经网络【第八课_tensor_医疗图像操作_2】

---

前言

案例代码https://github.com/2012Netsky/pytorch_cnn/blob/main/2_volumetric_ct.ipynb

一、tensor打印配置

#!/usr/bin/env python
# coding: utf-8

import numpy as np
import torch
torch.set_printoptions(edgeitems=2, threshold=50)
# precision是每一个元素的输出精度，默认是八位；
# threshold是输出时的阈值，当tensor中元素的个数大于该值时，进行缩略输出，默认时1000；
# edgeitems是输出的维度，默认是3；
# linewidth字面意思，每一行输出的长度；
# profile=None，修正默认设置（不太懂，感兴趣的可以试试）

二、读取dcm图像至numpy

# 读取文件夹下的dcm文件
# 读取三维图像体数据
import imageio

dir_path = "../data/p1ch4/volumetric-dicom/2-LUNG 3.0  B70f-04083"
# volread函数接收把目录作为参数 将所有医学数字成像和通信文件汇编为一个numpy的三维数组
vol_arr = imageio.volread(dir_path, 'DICOM')
vol_arr.shape

三、dcm(numpy)图像转tensor

#dcm数据转为tensor
vol = torch.from_numpy(vol_arr).float()
print(vol.shape)
# 最前面插入一个纬度
# 编辑读取的图像数据和pytorch期望的图像数据一致
vol = torch.unsqueeze(vol, 0)

print(vol.shape)

四、dcm数据查看

# dcm数据查看
get_ipython().run_line_magic('matplotlib', 'inline')
import matplotlib.pyplot as plt
    
plt.subplot(141) 
plt.imshow(vol_arr[0])
plt.title('vol_arr[0]')

plt.subplot(142)
plt.imshow(vol_arr[30])
plt.title('vol_arr[30]')

plt.subplot(143)
plt.imshow(vol_arr[60])
plt.title('vol_arr[60]') 

plt.subplot(144)
plt.imshow(vol_arr[90])
plt.title('vol_arr[90]')

plt.show()

---

总结