python医学影像3Dmat矩阵转成2Ddicom文件(保留原始dicom信息)

1.原始的每个DCE序列中有多个dicom文件,经过matlab转换把一个序列换成一个3Dmat矩阵 2.现在的需求是把处理过的3Dmat矩阵还原成2Ddicom文件,并且保留原始dicom信息.

原始文件夹有多个DCE序列

image.png

每个DCE序列中有多个dicom文件

image.png

经过matlab转换把一个序列换成一个3Dmat矩阵

image.png

处理过的3Dmat矩阵

image.png

Python代码:还原成2Ddicom文件,并且保留原始dicom信息.

#导入需要的包
 import numpy as np
 import SimpleITK as sitk
 import pydicom 
 import h5py
 import os
 import nibabel as nib

1.定义3Dmat矩阵转成2Ddicom文件的函数

def mat2dicom(folderPath):
    count_study = 0
    all_study = os.listdir(folderPath)
    for every_study_idx in range(39,len(all_study)):#遍历所有的病历号
        count_study +=1
        tmp_DCEMR_path = os.path.join(folderPath,all_study[every_study_idx],'DCEMR')
        tmp_MRnew_path = os.path.join(folderPath,all_study[every_study_idx],'MRnew')
        for every_MRI in os.listdir(tmp_MRnew_path):#每个病历号下面可能有多次MRI
            source_DCE_path = os.path.join(tmp_DCEMR_path,every_MRI)
            tmp_mat_path = os.path.join(tmp_MRnew_path,every_MRI,'割完皮肤所有序列mat')
            txtpath = os.path.join(tmp_MRnew_path,every_MRI,'原图所有序列mat','md.txt')
            all_mat_path = os.listdir(tmp_mat_path)
            print(tmp_mat_path,'----',len(all_mat_path),'----',txtpath)
            for i in range(len(all_mat_path)-1):#读取每个增强序列对应的mat文件（3维矩阵）
                final_mat_path = tmp_mat_path+'\DCE0000'+str(i+1)+'_SR.mat'
                #print(final_mat_path,os.path.exists(final_mat_path)) #输出每一个mat文件的路径，及判断是否存在
                #读取三维矩阵 mat文件
                mat = h5py.File(final_mat_path,'r')#读mat文件
                #print(mat.keys(),mat.values())#可以用keys方法查看cell的名字,可以用values方法查看各个cell的信息
                # 可以用shape查看维度信息
                #print(mat['Breast_region'].shape) #(11, 320, 320)
                # 注意，这里看到的shape信息与你在matlab打开的不同 # 这里的矩阵是matlab打开时矩阵的转置 # 所以，我们需要将它转置回来
                mat_t = np.transpose(mat['Breast_region'])
                print(type(mat_t),mat_t.shape,mat_t.shape[2]) # (320, 320, 11) 11
                #读取txt文件，获得肿瘤起始位置
                f = open(txtpath,"r",encoding="utf-8")
                les = f.readline().split(",")
                begin , end , middle= int(les[0]),int(les[1]),int(les[2])
                print(begin ,end,middle,type(begin),end-begin+1)
                #定义存储dicom的路径
                every_DCE_path = source_DCE_path + '\DCE0000'+str(i+1)
                print(every_DCE_path)
                #mat转成dicom后灭个序列存成的文件夹
                save_dir = every_DCE_path.replace("Summary_Classification2","Cut_Skin").replace("DCEMR","MR")
                print(save_dir)
                if not os.path.exists(save_dir):
                    os.makedirs(save_dir)
                for i in range(mat_t.shape[2]):
                    out = mat_t[:,:,i].astype('int16')#把数据转为无符号整型
                    InstanceNumber = begin+i
                    if InstanceNumber <10:
                        InstanceNumber = '0000'+str(InstanceNumber)
                    elif InstanceNumber <100:
                        InstanceNumber = '000'+str(InstanceNumber)
                    elif InstanceNumber <200:
                        InstanceNumber = '00'+str(InstanceNumber)
                    else:
                        print('Warning!!',InstanceNumber,"dicom数量大于200")
                    
                    dicom_save_file_path = save_dir+'/'+InstanceNumber+'.dcm'#to do i range
                    if os.path.exists(dicom_save_file_path):
                        continue
                    sitk.WriteImage(sitk.GetImageFromArray(out),dicom_save_file_path)
                    
                    ######再读文件，修改dicom的tag信息使这些图片成为一个序列
                    read_dicom_path = every_DCE_path+'\\'+InstanceNumber+'.dcm'  #每个dcm文件的具体路径

                    dcm = pydicom.read_file(read_dicom_path)
                    ds = pydicom.read_file(dicom_save_file_path)
                    #print(dcm)
                    print(dicom_save_file_path)
                    ds = modify_dicom(ds,dcm)
                    #保存
                    ds.save_as(dicom_save_file_path)

2.定义给dicom的tag赋值的函数

def modify_dicom(ds,dcm):
     #PatientInfo
    ds.PatientID = dcm.PatientID
    ds.PatientName =  dcm.PatientName
    ds.PatientBirthDate = dcm.PatientBirthDate
    ds.PatientSex = dcm.PatientSex
    ds.PatientAge = dcm.PatientAge
    ds.PatientWeight = dcm.PatientWeight
    try:
        ds.MagneticFieldStrength = dcm.MagneticFieldStrength
        ds.Manufacturer = dcm.Manufacturer
        #ds.InstitutionName = dcm.InstitutionName
    except TypeError:
        print("Error:没有InstitutionName、Manufacturer、InstitutionName tag")
    #studyInfo
    ds.StudyDate =dcm.StudyDate
    ds.StudyTime = dcm.StudyTime
    ds.StudyDescription = dcm.StudyDescription
    ds.StudyInstanceUID = dcm.StudyInstanceUID
    ds.StudyID = ds.StudyID
    # seriesInfo
    ds.SeriesInstanceUID = dcm.SeriesInstanceUID #修改Series Instance UID
    ds.SeriesDescription = dcm.SeriesDescription
    ds.Modality = dcm.Modality
    ds.SeriesNumber = dcm.SeriesNumber
    ds.InstanceNumber  = dcm.InstanceNumber
    ds.SeriesDate = dcm.SeriesDate
    ds.SeriesTime = dcm.SeriesTime
    ds.SliceThickness = dcm.SliceThickness
    ds.SliceLocation = dcm.SliceLocation
    ds.FrameOfReferenceUID = dcm.FrameOfReferenceUID
    ds[0X0020, 0X0052].value = dcm[0X0020, 0X0052].value 
    #ImageInfo
    ds.SOPClassUID  = dcm.SOPClassUID
    ds.SOPInstanceUID = dcm.SOPInstanceUID
    #ds.ReferencedSOPInstanceUID =dcm.ReferencedSOPInstanceUID
    #ds.ReferencedSOPClassUID =dcm.ReferencedSOPClassUID
    return ds

3.定义路径,调用函数执行

if __name__=="__main__":
    folderPath2 =r"G:\cut_SkinData_Copy\expectDCE_otherData2"
    otherSeries_mat2dicom(folderPath2)

探讨:程序的整体思路是
1.先用h5py读入处理后的3Dmat矩阵
2.读入处理3Dmat矩阵时的txt文件,里面存放的是肿瘤起始位置,终止位置,最大径位置
3.根据begin , end , middle读取原始影像的dicom的tag信息
4.定义dicom存储路径,把每一维度的mat矩阵的数值信息存入dicom文件
5.把原始dicom的tag信息赋值给存入的dicom文件
这种做法程序执行效率比较低,而且需要对每一个tag信息进行赋值

但是目前还没找到更好的方法,哪位大佬有更好的方法,欢迎一起探讨学习

特别说明：本文为原创文章,参考或转发本文需注明本文链接，有问题请联系:[email protected]