10、3D 图像、体数据与表格数据的表示及处理

3D 图像、体数据与表格数据的表示及处理

1. 3D 图像：体数据

1.1 CT 扫描数据特点

在医学成像应用中，如 CT 扫描，我们通常处理的是沿头 - 脚轴堆叠的图像序列，每个图像对应人体的一个切片。CT 扫描的强度代表了人体不同部位的密度，从肺部、脂肪、水、肌肉到骨骼，密度逐渐增加，在临床工作站上显示时从暗到亮映射。CT 只有一个强度通道，类似于灰度图像，原生数据格式通常省略通道维度，原始数据一般有三个维度。通过将单个 2D 切片堆叠成 3D 张量，我们可以构建表示对象 3D 解剖结构的体数据。与普通 2D 图像不同，这里额外的维度代表物理空间中的偏移，而不是可见光谱的特定波段。

1.2 加载 CT 扫描数据

可以使用 imageio 模块中的 volread 函数加载 CT 扫描数据，该函数以目录为参数，将所有 DICOM 文件组装成一个 NumPy 3D 数组。示例代码如下：

import imageio
dir_path = "../data/p1ch4/volumetric-dicom/2-LUNG 3.0 B70f-04083"
vol_arr = imageio.volread(dir_path, 'DICOM')
print(vol_arr.shape)

由于数据布局与 PyTorch 期望的不同，缺少通道信息，需要使用 unsqueeze 函数为通道维度留出空间：