将医学图像.dcm格式与.nii.gz格式进行一些处理

本文介绍了如何使用pydicom和nibabel处理医学成像文件,包括将.dcm和.nii.gz文件转换为.png图像格式的过程。文章提供了具体代码示例,帮助读者理解如何读取和转换这些专业文件。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

介绍

  • .dcm文件是一种医学上用于存储CT、核磁共振等成像方式得到的患者器官图像的文件格式
  • .nii.gz是通过标注软件导出的3D标签(可以看作一个np数组)

我们通过pydicom和nibabel这两个包来辅助我们进行操作

  1. 读取dcm数据并用plt显示

# 读取dcm数据并使用plt显示

# ······································ #
fpath = ""
ds = pydicom.dcmread(fpath)
new_image = ds.pixel_array
scaled_image = (np.maximum(new_image, 0) / new_image.max()) * 255.0
plt.figure(figsize=(10, 10))
plt.imshow(scaled_image, cmap=plt.cm.bone)
plt.show()
print(scaled_image.max())
# ······································ #
  1. 批量处理.dcm文件,将其转化为.png格式:
def dcm_to_image(filepath, aimfile):
    fpath = os.listdir(filepath)
    for f in fpath:
        if f[-4:] != ".dcm":
            continue
        img_path = os.path.join(filepath, f)
        img = pydicom.dcmread(img_path)
        img_data = img.pixel_array
        # dcm的值转化为0 ~ 255之间
        img_data = (np.maximum(img_data, 0) / img_data.max()) * 255.0
        # 开始转换为图像
        fname = f.replace('.dcm', '')  # 去掉nii的后缀名
        print(fname)
        imageio.imwrite(os.path.join(aimfile, fname + '.png'), img_data)
  1. 批量处理.nii.gz文件,将其转化为.png格式:
def nii_to_image(filepath, imgfile):
    filenames = os.listdir(filepath)  # 读取nii文件夹
    slice_trans = []

    for f in filenames:
        # 开始读取nii文件
        if f[-7:] != ".nii.gz":
            continue
        img_path = os.path.join(filepath, f)
        img = nib.load(img_path)  # 读取nii
        img_fdata = img.get_fdata()
        fname = f.replace('.nii.gz', '')  # 去掉nii的后缀名
        img_f_path = os.path.join(imgfile, fname)
        # 创建nii对应的图像的文件夹
        if not os.path.exists(img_f_path):
            os.mkdir(img_f_path)  # 新建文件夹

        # 开始转换为图像
        (x, y, z) = img.shape
        for i in range(z):  # z是图像的序列
            silce = img_fdata[:, :, i]  # 选择哪个方向的切片都可以
            silce = silce.transpose()
            imageio.imwrite(os.path.join(
                img_f_path, '{}.png'.format(i)), silce)
            # 保存图像
Python中可以使用一些专门处理医疗影像数据的库,如`nibabel`和`pydicom`,来进行`.nii.gz`到DICOM格式的转换。以下是一个简单的步骤: 1. 首先,你需要安装必要的库,通过pip安装: ``` pip install nibabel pydicom ``` 2. 使用`nibabel`读取`.nii.gz`文件: ```python import nibabel as nib img_nifti = nib.load('path_to_your_nii.gz') nifti_data = img_nifti.get_fdata() ``` 3. 然后创建一个`pydicom.Dataset`对象,用于存储DICOM元数据: ```python from pydicom.dataset import Dataset dicom_dataset = Dataset() dicom_dataset.file_meta = Dataset() # DICOM header dicom_dataset.is_little_endian = True # 根据需要设置字节顺序 dicom_dataset.is_implicit_VR = False # 设置VR显式 ``` 4. 定义像素数组并设置相应的属性(例如患者信息、图像尺寸等): ```python dicom_dataset.PatientName = 'Patient Name' dicom_dataset.StudyDate = img_nifti.header.get_data_element('pixdim', 0).value # 获取时间日期元素 # ...其他元数据设置... ``` 5. 将nifti数据转换为dicom可用的像素数组,并添加到`Dataset`中: ```python pixel_array = dicom_dataset.pixel_array = nifti_data.astype('uint16') # 可能需要调整数据类型 ``` 6. 最后保存为DICOM文件: ```python save_path = 'path_to_save_your_dicom.dcm' dicom_dataset.save_as(save_path) ``` 注意:上述过程假设.nii.gz文件包含了足够的信息以填充DICOM元数据。如果需要更复杂的数据转换,可能还需要查看原始.nii.gz文件的header信息。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值