python医学图像读取,医学图像——数据读取和预处理

医学图像——数据读取和预处理

医学图像——数据读取和预处理

目录

3D图像读取

1、ITK-SNAP 软件

2、python包读取

(1)nii数据——SimpleITK

(2)nrrd数据

图形预处理

1、归一化处理

2、裁剪、旋转、翻转

3D图像读取

目的：获取array数据，转为tensor数据

(1)nii数据——SimpleITK

import numpy as np

import os

import glob

import SimpleITK as sitk

from scipy import ndimage

import matplotlib.pyplot as plt

# LiST数据集为例，data是volume，lable是segmementation，nii格式

# 加r，可以将路径转换为原始字符串，不用变为‘\\’

data_path = r'E:\project\Master-1\code\3DUNet-Pytorch\preprocess\fixed\data'

label_path = r'E:\project\Master-1\code\3DUNet-Pytorch\preprocess\fixed\label'

dataname_list = os.listdir(data_path)

dataname_list.sort()

ori_data = sitk.ReadImage(os.path.join(data_path, dataname_list[2])) # 读取一个数据

data1 = sitk.GetArrayFromImage(ori_data) # 获取数据的array

print(dataname_list[2], data1.shape, data1[38,255,255]) #打印数据name、shape、某一个位置的元素的值(z,x,y)

plt.imshow(data1[100,:,:]) # 对第100张slice可视化

plt.show()

volume-10.nii (221, 512, 512) 200

(2)nrrd数据

import nrrd

img , img_header = nrrd.read(img_path)

具体操作看这个博客：

https://blog.csdn.net/github_33934628/article/details/78897565

图形预处理

方法二，公式为：(X-mean)/std 计算时对每个属性/每列分别进行

将数据按期属性(按列进行)减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。

# 方法一：sklearn.preprocessing.scale()函数

from sklearn import preprocessing

import numpy as np

X_scaled = preprocessing.scale(X)

# # image = (image - np.mean(image)) / np.std(image)

# 方式二

# 将属性缩放到一个指定的最大和最小值(通常是1-0)之间

img=(img-np.min(img))/(np.max(img)-np.min(img))

# 随机裁剪

(w, h, d) = image.shape

w1 = np.random.randint(0, w - self.output_size[0])

h1 = np.random.randint(0, h - self.output_size[1])

d1 = np.random.randint(0, d - self.output_size[2])

label = label[w1:w1 + self.output_size[0], h1:h1 + self.output_size[1], d1:d1 + self.output_size[2]]

image = image[w1:w1 + self.output_size[0], h1:h1 + self.output_size[1], d1:d1 + self.output_size[2]]

# 中心裁剪

(w, h, d) = image.shape

w1 = int(round((w - self.output_size[0]) / 2.))

h1 = int(round((h - self.output_size[1]) / 2.))

d1 = int(round((d - self.output_size[2]) / 2.))

label = label[w1:w1 + self.output_size[0], h1:h1 + self.output_size[1], d1:d1 + self.output_size[2]]

image = image[w1:w1 + self.output_size[0], h1:h1 + self.output_size[1], d1:d1 + self.output_size[2]]

# 翻转

axis = np.random.randint(0, 2) # 代表某个维度，x轴或y或z

image = np.flip(image, axis=axis)

# 旋转

k = np.random.randint(0, 4)

image = np.rot90(image, k) # 随机旋转矩阵90、180、270

医学图像——数据读取和预处理相关教程

元数据管理-技术元数据解决方案

元数据管理-技术元数据解决方案 ?前言 概念 元数据是描述企业数据相关的数据，指在IT系统建设过程中所产生的有关数据定义，目标定义，转换规则等相关的关键数据，包括 对数据的业务、结构、定义、存储、安全等各方面对数据的描述 元数据是数仓建设环节中不可

day04_基本数据类型丶基本数据类型转换

day04_基本数据类型丶基本数据类型转换 数据类型 数据类型有什么用？数据类型用来声明变量，程序在运行过程中根据不同的数据类型分配不同大小的空间。在Java中数据也是有类型的(任何数据必然会有类型)，Java中数据的分类如下图所示： 基本数据类型： Java语

mysql 数据库无法启动(Ignoring the redo log due to missing M

mysql 数据库无法启动(Ignoring the redo log due to missing MLOG_CHECKPOINT between the checkpoint .... and) 数据库机器的CPU和主板都换了，重新开机，发现mysql数据库无法启动！ Ignoring the redo log due to missing MLOG_CHECKPOINT between the ch

杰奇CMS phpmyadmin清空数据库ID归零重新入库数据SQL语句教程

杰奇CMS phpmyadmin清空数据库ID归零重新入库数据SQL语句教程 具体步骤如下： 打开你服务器phpmyadmin后台，找到你当前杰奇CMS程序创建的数据库，找到jieqi_article_chapter数据表，然后点击表名称，然后点击上面导航栏的SQL栏目，复制粘贴下面的SQL语句。然

使用GANs生成时间序列数据：DoppelGANger论文详解

使用GANs生成时间序列数据：DoppelGANger论文详解 序列数据(具有时间依赖性的数据)在业务中非常常见，从信用卡交易到医疗保健记录再到股票市场价格。 但是，隐私法规限制并极大地减慢了对研发至关重要的有用数据的访问。 这就产生了对具有高度代表性但又完

数据结构

数据结构 数据结构 线性结构 顺序结构 链式结构 树形结构 二叉树 图形结构 顺序结构 这是一个数组： 如果我们要删除4号位置的 2 1.我们将4号元素的 2 删除 2.将5号元素的 7 赋值到4号位置 3.将6号元素的 8 赋值到5号位置 4.将7号元素的 9 赋值到6号位置 5.删

Python微博爬取实战(三)爬虫获得的json格式数据如何处理

Python微博爬取实战(三)爬虫获得的json格式数据如何处理 上一此在介绍如何获取cookie时候已经说过，在网页开发者功能里面可以对网页进行抓包分析，详见： Python 微博爬取实战(一)爬虫参数：如何获得cookie，实现爬虫登陆爬取 1.那么问题来了，什么是json

数据库的备份与恢复

数据库的备份与恢复 二进制日志文件 二进制日志(bin_log) 二进制日志文件是用来记录所有用户对数据库的操作，即记录用户对数据库操作的sql语句。当数据库发生意外时，可以通过该日志查看到用户对数据库的操作，在和数据库备份配合使用，可以将损失最小化。