python dicom图像分割_处理医疗影像的Python利器：PyDicom

Pydicom是一个用于处理DICOM格式文件的Python包，可以处理包括如医学图像（CT等）、报告等。

Pydicom支持DICOM格式的读取：可以将dicom文件读入python结构，同时支持修改后的数据集可以再次写入DICOM格式文件。但需要注意，它不是被设计为查看图像，主要是用来操作DICOM文件的各种数据元素。

PyDicom的安装

支持PIP和Conda安装，因此非常方便。以Anaconda安装为例：

conda install pydicom --channel conda-forge

读取Dicom文件

导入PyDicom包

import pydicom

读取一个dicom文件并显示

ds = pydicom.dcmread(file)

plt.figure(figsize=(10, 10))

plt.imshow(ds.pixel_array, cmap=plt.cm.bone)

plt.show()

一个完整的CT图像预处理的例子

对于CT图像，通常以患者的一次拍摄为一个文件夹，文件夹下有一序列的dicom文件，每个文件称为一个切片（slice）。但是每个患者的情况不同，所以slice间的间距不同，并且可能slice的排序也不同，因此需要在训练数据前做预处理。

这里参考Kaggle中的处理肺部照片的一个Kernel，对使用PyDicom处理CT图像做一个介绍参考评论里的反馈，这里将Kernel的Link以卡片形式放出：Full Preprocessing Tutorial | Kaggle​www.kaggle.com

1、导入libraries，将所有患者的目录列出来：

%matplotlib inline

import numpy as np # linear algebra

import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)

import dicom

import os

import scipy.ndimage

import matplotlib.pyplot as plt

from skimage import measure, morphology

from mpl_toolkits.mplot3d.art3d import Poly3DCollection

# 包含所有患者目录的根目录

INPUT_FOLDER = '../input/sample_images/'

patients = os.listdir(INPUT_FOLDER)

patients.sort()

2、扫描一个患者的目录，加载所有的切片，按切换的z方向排序切片，并获取切片厚度

def load_scan(path):

slices = [dicom.read_file(path + '/' + s) for s in os.listdir(path)]

slices.sort(key = lambda x: float(x.ImagePositionPatient[2]))

try:

slice_thickness = np.abs(slices[0].ImagePositionPatient[2] - slices[1].ImagePositionPatient[2])

except:

slice_thickness = np.abs(slices[0].SliceLocation - slices[1].SliceLocation)

for s in slices:

s.SliceThickness = slice_thickness

return slices

CT扫描中的测量单位是Hounsfield单位（HU），它是辐射密度的量度。 CT扫描仪经过精心校准，可以精确测量。 来自维基百科：

3、默认情况下，从DICOM文件中获得的值是HU这个单位。 需要解决这个问题。

某些扫描仪具有圆柱扫描边界，但输出图像为方形。 落在这些边界之外的像素获得固定值-2000。 第一步是将这些值设置为0，当前对应于air。 接下来，回到HU单位，乘以重新缩放斜率并添加截距（方便地存储在扫描的元数据中！）。

def get_pixels_hu(slices):

image = np.stack([s.pixel_array for s in slices])

# 转换为int16，int16是ok的，因为所有的数值都应该 <32k

image = image.astype(np.int16)

# 设置边界外的元素为0

image[image == -2000] = 0

# 转换为HU单位

for slice_number in range(len(slices)):

intercept = slices[slice_number].RescaleIntercept

slope = slices[slice_number].RescaleSlope

if slope != 1:

image[slice_number] = slope * image[slice_number].astype(np.float64)

image[slice_number] = image[slice_number].astype(np.int16)

image[slice_number] += np.int16(intercept)

return np.array(image, dtype=np.int16)

4、查看一个患者的图像：

first_patient = load_scan(INPUT_FOLDER + patients[0])

first_patient_pixels = get_pixels_hu(first_patient)

plt.hist(first_patient_pixels.flatten(), bins=80, color='c')

plt.xlabel("Hounsfield Units (HU)")

plt.ylabel("Frequency")

plt.show()

# 显示一个中间位置的切片

plt.imshow(first_patient_pixels[80], cmap=plt.cm.gray)

plt.show()

5、重新采样

CT 扫描可能的像素间距为[2.5, 0.5, 0.5]，代表着切片间的距离是2.5毫米。对于不同的扫描，切片距离可能不同，对于自动分析是一个问题。

常用的方法是将整个数据集重新采样为相同分辨率的切片。例如将所有切片采样为[1 1 1]毫米的间距。这样就可以使用3D网格，而无需担心切片厚度的不确定性。

def resample(image, scan, new_spacing=[1,1,1]):

# Determine current pixel spacing

spacing = np.array([scan[0].SliceThickness] + scan[0].PixelSpacing, dtype=np.float32)

resize_factor = spacing / new_spacing

new_real_shape = image.shape * resize_factor

new_shape = np.round(new_real_shape)

real_resize_factor = new_shape / image.shape

new_spacing = spacing / real_resize_factor

image = scipy.ndimage.interpolation.zoom(image, real_resize_factor, mode='nearest')

return image, new_spacing

pix_resampled, spacing = resample(first_patient_pixels, first_patient, [1,1,1])

print("Shape before resampling\t", first_patient_pixels.shape)

print("Shape after resampling\t", pix_resampled.shape)

6、画3D图像

显示扫描3D图像，对数据有个直观的感受对处理数据是有用的。

不幸的是，将使用立方体为我们的3D对象创建一个近似网格，并使用matplotlib绘制它。

def plot_3d(image, threshold=-300):

# Position the scan upright,

# so the head of the patient would be at the top facing the camera

p = image.transpose(2,1,0)

verts, faces = measure.marching_cubes(p, threshold)

fig = plt.figure(figsize=(10, 10))

ax = fig.add_subplot(111, projection='3d')

# Fancy indexing: `verts[faces]` to generate a collection of triangles

mesh = Poly3DCollection(verts[faces], alpha=0.70)

face_color = [0.45, 0.45, 0.75]

mesh.set_facecolor(face_color)

ax.add_collection3d(mesh)

ax.set_xlim(0, p.shape[0])

ax.set_ylim(0, p.shape[1])

ax.set_zlim(0, p.shape[2])

plt.show()

绘图函数采用的阈值可以被用来绘制某些结构，例如所有组织或仅骨骼。 400是仅显示骨骼的阈值（可以参见上面的Hounsfield单位表）。

7、肺部切割

为了降低问题的复杂度，我们先对肺部进行切割。

它涉及很多巧妙的步骤。由区域生长和形态学的一系列操作组成。在这种情况下，我们将仅使用连通分量分析。阈值图像（-320 HU是一个很好的阈值，但这种方法并不重要）

做连接组件，确定人周围的空气标签，在二进制图像中用1s填充

可选：对于扫描中的每个轴向切片，确定最大的固体连接组件（人体周围的身体+空气），并将其他组件设置为0。这样可以填充面罩中肺部的结构。

只保留最大的气袋（人体在这里和那里都有其他的气袋）。

def largest_label_volume(im, bg=-1):

vals, counts = np.unique(im, return_counts=True)

counts = counts[vals != bg]

vals = vals[vals != bg]

if len(counts) > 0:

return vals[np.argmax(counts)]

else:

return None

def segment_lung_mask(image, fill_lung_structures=True):

# not actually binary, but 1 and 2.

# 0 is treated as background, which we do not want

binary_image = np.array(image > -320, dtype=np.int8)+1

labels = measure.label(binary_image)

# Pick the pixel in the very corner to determine which label is air.

# Improvement: Pick multiple background labels from around the patient

# More resistant to "trays" on which the patient lays cutting the air

# around the person in half

background_label = labels[0,0,0]

#Fill the air around the person

binary_image[background_label == labels] = 2

# Method of filling the lung structures (that is superior to something like

# morphological closing)

if fill_lung_structures:

# For every slice we determine the largest solid structure

for i, axial_slice in enumerate(binary_image):

axial_slice = axial_slice - 1

labeling = measure.label(axial_slice)

l_max = largest_label_volume(labeling, bg=0)

if l_max is not None: #This slice contains some lung

binary_image[i][labeling != l_max] = 1

binary_image -= 1 #Make the image actual binary

binary_image = 1-binary_image # Invert it, lungs are now 1

# Remove other air pockets insided body

labels = measure.label(binary_image, background=0)

l_max = largest_label_volume(labels, bg=0)

if l_max is not None: # There are air pockets

binary_image[labels != l_max] = 0

return binary_image

segmented_lungs = segment_lung_mask(pix_resampled, False)

segmented_lungs_fill = segment_lung_mask(pix_resampled, True)

plot_3d(segmented_lungs, 0)

看起来不错，但是我们可以进一步，在肺内包含结构可能是一个好主意（因为结节是固体），我们不希望在肺部只有空气。

plot_3d(segmented_lungs_fill, 0)

我们还可以看出两者之间的差异。

看起来不错！

当你想使用这个时，记得首先在它上面应用扩张形态学操作（即用圆形内核）。这会在所有方向上扩展蒙版。仅肺部的空气+结构将不包含所有结节，特别是它会遗漏那些粘在肺部侧面的结节，它们经常出现在那里！所以扩大面具一点:)

对于某些边缘情况，此分段可能会失败。它依赖于患者体外的空气不与肺部空气相连的事实。如果患者进行了气管造口术，情况也可能并非如此，不知道这是否存在于数据集中。此外，特别是噪声图像（例如由于下图中的起搏器），这种方法也可能失败。相反，身体中的第二大气袋将被分割。您可以通过检查蒙版对应的图像分数来识别这一点，对于这种情况，这将是非常小的。然后，你可以首先使用几毫米大小的内核进行形态学关闭操作以关闭这些孔，之后它应该可以工作（或者更简单地说，不要对此图像使用蒙版）。

数据归一化

目前所有的数值在-1024到2000左右。超过400的任何东西其实是不用关心的，因为只是一些具有不同辐射密度的骨骼。 常用的阈值集合在-1000到400之间。这里有一些代码可以使用：

MIN_BOUND = -1000.0

MAX_BOUND = 400.0

def normalize(image):

image = (image - MIN_BOUND) / (MAX_BOUND - MIN_BOUND)

image[image>1] = 1.

image[image<0] = 0.

return image

8、数据零居中

作为最后的预处理步骤，建议将数据平均值设置为零。为此，只需从所有像素中减去平均像素值。

要确定这个含义，只需对整个数据集中的所有图像进行平均。

警告：不要将每个图像的中心置零（如此处的某些内核中所做的那样）。 校准CT扫描仪以返回准确的HU测量值。 没有像普通图像那样具有较低对比度或亮度的图像。

PIXEL_MEAN = 0.25 # 假设均值为0.25

def zero_center(image):

image = image - PIXEL_MEAN

return image

9、最后

通过上面的步骤，图像已经可供CNN或其他机器学习方法使用。 你可以离线执行所有这些步骤（一次并保存结果），建议你这样做，让它一夜之间运行，因为确实可能需要很长时间。

提示：为节省存储空间，请不要事先进行标准化和零居中，而是online处理（在训练期间，加载后）。 如果你还没有这样做，你的图像是int16，它比float32s小，也更容易压缩。

到此为止就介绍完毕。原Kaggle Kernel，需要的朋友请参考下面link：Full Preprocessing Tutorial | Kaggle​www.kaggle.com