![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
医学图像处理
文章平均质量分 72
西_西_
不生产知识,只是知识的搬运工。
展开
-
Python:dcm批量转jpg
import pydicom #用于读取DICOM(DCOM)文件。# import scipy.misc #用imageio替代。# if i==300: #转换300张。# 将图像数据类型转换为 uint8。#imgway_2为jpg文件夹。#imgway_1为源文件夹。原创 2023-12-08 10:07:47 · 791 阅读 · 0 评论 -
肺部肿瘤检测数据集汇总
LUNA16肺部肿瘤检测最常用的数据集之一,包含888个CT图像,1084个肿瘤,图像质量和肿瘤大小的范围比较理想。每一张CT图像size不同(z * x * y,x y z 分别为行 列 切片数,譬如272x512x512为512x512大小切片,一共272张。比较好理解,肺部是3维立体的,所以以z轴每隔一定步长(spacing)扫描一次,就得到这样的数据)。每个CT有不同的肿瘤数,annotation标注为x,y,z,size,x,y,z定位肿瘤中心位置,size代表肿瘤的大小。原创 2023-12-07 11:01:11 · 2245 阅读 · 1 评论 -
LUNA16数据集
由于标注的时候是四位专家一起标注,有些结节只有一位专家标注,有些有两位,最好的情况是四位都标注了,根据这个规则,分别有2290,1602,1186,777个结节由至少1,2,3,4位专家标注,LUNA16选取至少由三位专家标注的。最终的评比准则是0.125,0.25,0.5,1,2,4,8七个点召回率的平均值,论文中还提到bootstrap的方法,就是对测试集的每个CT进行重采样,最终就是有的CT可能出现多次,而有的CT可能没有,然后将采样得到的CT的候选区集合起来,计算FROC。原创 2023-12-07 10:55:14 · 1469 阅读 · 3 评论 -
将多个文件夹中的图像合并到一个文件中
如果是 JPG 文件,则处理文件名。# 构建输出文件的完整路径。# 如果文件已存在,则在文件名末尾添加一个数字。# 构建输入文件的完整路径。# 创建目标文件夹(如果不存在)# 遍历输入文件夹中的所有文件。原创 2023-12-18 16:36:40 · 537 阅读 · 1 评论 -
CT检查的分类
三维CT是通过普通CT扫描后获得容积数据,经过计算机软件进行多种图像后处理,获得新的显示方式,以供观察和分析。这些经过重建的图像能够从多角度、多方位的观察,更加逼真、清晰。因此,可以为临床医生的诊断、治疗带来了极大的方便;CT血管成像和CT增强有相似之处,都要通过外周静脉打入造影剂,区别在于目的不同,血管成像最终主要显示的是直径比较大的动脉或静脉,因显示的目的不同,所以CT血管造影成像和CT增强在注射的流量、速度上是有区别的。增强CT就是要加强CT的密度,通过外周静脉打入CT专用的造影剂,一般是碘造影剂;原创 2023-12-18 16:53:02 · 396 阅读 · 1 评论 -
CT设置的窗宽窗位-对比度、亮度
又如,我们常发现临床具有典型的脑梗死症状和体征,但用常规窗宽、窗位观察却未能发现病灶,改用高窗位(+50HU左右),低窗宽(80HU左右)观察,梗死灶往往就能比较清楚地衬托出来,因为发病时间在48h以内的脑梗死,病变区的密度仅略低于邻近的正常脑质,CT值一般在+30HU左右,低窗宽时,80/16=5,这样病灶与正常组织之间的CT值就能对比出来。骨窗为窗宽800 Hu~2 000 Hu,窗位250 Hu~500 Hu,骨的CT值多在1 000 Hu左右,肌肉为40 Hu左右,脂肪多为-50 Hu以下。原创 2023-12-18 16:54:33 · 1650 阅读 · 0 评论 -
医学图像数据读取及预处理方法总结
基于深度学习做医学图像数据分析,例如病灶检测、肿瘤或者器官分割等任务,第一步就是要对数据有一个大概的认识。但是我刚刚入门医学图像分割的时候,很迷茫不知道自己该干啥,不知道需要准备哪些知识,慢慢到现在才建立了一个简陋的知识体系。而第一点是进行第二点的必要条件,因为你需要了解输入到DL网络中的到底是长啥样的数据。这篇文章主要介绍常见的医学图像读取方式和预处理方法。原创 2023-12-18 16:58:52 · 462 阅读 · 0 评论 -
CT医学图像的预处理(重采样)
原始图像的size*对应的Spacing既可以得到真实3D图像大小(512*0.78125,512*0.78125,247*1 ),在图像重采样只是修改体素的大小,而真实3D图像大小是保持不变的,因此假设我们将Spacing修改成(1.0, 1.0, 2.0)的时候,则修改之后其对应的size应该为((512*0.78125)/ 1.0,(512*0.78125)/ 1.0,(247*1 )/ 2.0)即(400, 400, 124)。同时,由于量纲的存在,使用不同的量纲、距离的计算结果会不同。原创 2023-12-18 17:08:22 · 671 阅读 · 3 评论