Dicom文件的讀取

• Pydicom
• • 單張影像的讀取
  • 一些簡單處理
  • • 讀取并編輯Dicom Tags
    • 借助Numpy與PIL.Image
    • 可視化
  • 單張影像的寫入
• SimpleITK
• • 單張影像的讀取
  • 序列讀取
  • 一些簡單操作
  • • 邊緣檢測
    • 可視化
  • 單張影像的寫入

Pydicom

單張影像的讀取

使用 pydicom.dcmread() 函數(shù)進行單張影像的讀取,返回一個pydicom.dataset.FileDataset對象.

import os import pydicom # 調(diào)用本地的 dicom file folder_path = r"D:\Files\Data\Materials" file_name = "PA1_0001.dcm" file_path = os.path.join(folder_path,file_name) ds = pydicom.dcmread(file_path)

在一些特殊情況下,比如直接讀取從醫(yī)院拿到的數(shù)據(jù)(未經(jīng)任何處理)時,可能會發(fā)生以下報錯:

raise InvalidDicomError("File is missing DICOM File Meta Information " pydicom.errors.InvalidDicomError: File is missing DICOM File Meta Information header or the 'DICM' prefix is missing from the header. Use force=True to force reading.

可以看到,由于缺失文件元信息頭,無法直接讀取,只能強行讀取.這種情況可以直接根據(jù)提示,調(diào)整命令為:

ds = pydicom.dcmread(file_path,force=True)

但后續(xù)還會碰到:

AttributeError: 'Dataset' object has no attribute 'TransferSyntaxUID'

在網(wǎng)上檢索后發(fā)現(xiàn),可以通過設置TransferSyntaxUID來解決問題:

ds.file_meta.TransferSyntaxUID = pydicom.uid.ImplicitVRLittleEndian

這樣就大功告成了(這里實際上就提前接觸到了下面讀取Dicom Tags的內(nèi)容了)

一些簡單處理

讀取成功后,我們可以對 Dicom文件 進行一些簡單的處理

讀取并編輯Dicom Tags

可以通過兩種方法來讀取Tag的值

使用的Tag的Description

print(ds.PatientID,ds.StudyDate,ds.Modality)

使用 ds.get() 函數(shù). 函數(shù)內(nèi)參數(shù)采用的是Tag ID.幾種簡單的打開Dicom文件的軟件(如RadiAnt DICOM Viewer)都可以直接看到.這里不再贅述.

ds.get(0x00100020) # 這里得到的是PatientID

讀取到相應的Tag值后, 也可以將其他的值寫入這些Tag.只要最后保存一下就可以了.

借助Numpy與PIL.Image

讀取Dicom文件后,可以借助Numpy以及圖像處理庫(如PIL.Image)來進行簡單的處理.

借助Numpy

import numpy as np data = np.array(ds.pixel_array)

注意這里使用的是 np.array() 而不是 np.asarray(). 因為前者的更改并不會帶來原pixel_array的改變.
在轉(zhuǎn)化為ndarray后 可以直接進行簡單的切割和連接,比如截取某一部分和將兩張圖像拼在一起等,之后再寫入并保存下來即可.

借助PIL.Image

from PIL import Image data_img = Image.fromarray(ds.pixel_array) data_img_rotated = data_img.rotate(angle=45,resample=Image.BICUBIC,fillcolor=data_img.getpixel((0,0)))

這里展示的是旋轉(zhuǎn), 還有其他功能如resize等.
需要注意的是,從Numpy的ndarray轉(zhuǎn)化為Image時,一般會發(fā)生變化:

print(data.dtype) # int16 data_rotated = np.array(data_img_rotated) print(data_img) # int32

只需要指定參數(shù)就可以解決了

data_rotated = np.array(data_img_rotated,dtype = np.int16)

可視化

簡單的可視化Pydicom沒有直接的實現(xiàn)方法,我們可以通過上面借助Matplotlib以及Image模塊來實現(xiàn).但效果有限.

借助 Matplotlib (Pydicom官方文檔中使用的方法)

from matplotlib import pyplot pyplot.imshow(ds.pixel_array,cmap=pyplot.cm.bone) pyplot.show()

效果如圖所示:

但真實的圖像是:

顯然顏色是有區(qū)別的.導致這種差別的原因是pyplot函數(shù)使用的cm也就是"color map" 是簡單的"bone" 并不能滿足醫(yī)學圖像的要求.

借助Image模塊

data_img.show()

一條指令即可,但是效果很差,如圖所示:

綜合來看,兩種方法都不是很好.

單張影像的寫入

經(jīng)過上面對Tag值的修改, 對圖像的切割, 旋轉(zhuǎn)等操作.最后需要重新寫入該Dicom文件.

ds.PixelData = data_rotated.tobytes() ds.Rows,ds.Columns = data_rotated.shape new_name = "dicom_rotated.dcm" ds.save_as(os.path.join(folder_path,new_name))

SimpleITK

SimpleITK 是從基于C++的ITK遷移到Python的,所以很多方法的使用都跟C++很相似.

import SimpleITK as sitk

單張影像的讀取

有兩種方法:

sitk.ReadImage()
這種方法直接返回image對象,簡單易懂.但是無法讀取Tag的值.

img = sitk.ReadImage(file_path) print(type(img)) # <class 'SimpleITK.SimpleITK.Image'>

sitk.ImageFileReader()
這種方法比較像C++的操作風格,需要先初始化一個對象,然后設置一些參數(shù),最后返回image.相對更復雜,但可以操作的點比較多

file_reader = sitk.ImageFileReader() file_reader.SetFileName(file_path) #這里只顯示了必需的,還有很多可以設置的參數(shù) data = file_reader.Execute() # 使用這種方法讀取Dicom的Tag Value for key in file_reader.GetMetaDataKeys():print(key,file_reader.GetMetaData(key))

以上兩種方法返回的都是三維的對象,這與Pydicom有很大的不同.

data_np = sitk.GetArrayFromImage(data) print(data_np.shape) # (1, 512, 512) = (Slice index, Rows, Columns)

序列讀取

序列讀取的方法與單張圖像讀取的第二種方法很相似.
(暫且只發(fā)現(xiàn)了一種方法讀取序列,如果還有其他方法,請在評論區(qū)予以補充,感謝!)

series_reader = sitk.ImageSeriesReader() fileNames = series_reader.GetGDCMSeriesFileNames(folder_name) series_reader.SetFileNames(fileNames) images = series_reader.Execute()

同樣,返回的也是三維的對象.

一些簡單操作

SimpleITK 包含很多圖像處理如濾波的工具,這里簡單介紹一個邊緣檢測工具和可視化工具

邊緣檢測

以Canny邊緣檢測算子為例,與讀取單張圖像類似,同樣有兩種方式:

sitk.CannyEdgeDetection()
由于濾波的對象必須是32位圖像或者其他格式, 需要通過 sitk.Cast() 轉(zhuǎn)換. 之后可以再轉(zhuǎn)換回原格式.

data_32 = sitk.Cast(data,sitk.sitkFloat32) data_edge_1 = sitk.CannyEdgeDetection(data_32,5,30,[5]*3,[0.8]*3)

sitk.CannyEdgeDetectionImageFilter()
這個操作相對麻煩一些

Canny = sitk.CannyEdgeDetectionImageFilter() Canny.SetLowerThreshold(5) Canny.SetUpperThreshold(30) Canny.SetVariance([5]*3) Canny.SetMaximumError([0.5]*3) data_edge_2 = Canny.Execute(data_32)

可視化

可視化的方法非常簡單 只需要一條指令:

sitk.Show()

但需要先安裝工具ImageJ,否則無法使用.具體的安裝鏈接,可以參考這篇博文:sitk.show()與imageJ結合使用常見的問題

同一張Dicom文件使用sitk.Show()得到的效果如下圖:

除此之外,ImageJ還有一個Tool Bar 支持對圖像的進一步處理:

可見,SimpleITK的可視化要比上面介紹的強大很多,不僅可以實現(xiàn)單張圖像的可視化以及圖像處理,還可以同時對整個序列的圖像進行統(tǒng)一處理.

單張影像的寫入

同樣有兩種方法

sitk.WriteImage()

new_name = "new_MR_2.dcm" sitk.WriteImage(img,os.path.join(folder_name,new_name))

sitk.ImageFileWriter()

file_writer = sitk.ImageFileWriter() file_writer.SetFileName(os.path.join(folder_name,new_name)) file_writer.SetImageIO(imageio="GDCMImageIO") file_writer.Execute(img)

使用這兩種方法進行寫入的時候,會發(fā)現(xiàn),即便什么也沒有做,但得到的新Dicom文件要小于原始的Dicom文件.這是因為新的Dicom文件中沒有Private Creator信息(屬于Dicom Tag的內(nèi)容).當然如果原始Dicom文件中本就沒有這種信息,文件大小是保持相同的.
因為很多時候只是對圖像進行處理,所以不再深究.

---

若有錯誤,還請指出,謝謝!

總結

以上是生活随笔為你收集整理的使用Python对Dicom文件进行读取与写入的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。