CT图像预处理之窗宽窗位调整

原创

已于 2022-03-15 17:35:17 修改 · 1.8w 阅读

143 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

于 2022-03-10 18:47:33 首次发布

本文介绍了CT图像的Hu值变换和窗宽窗位调整在医学图像分析中的应用。Hu值变换将CT值转化为反映物体真实密度的单位，而窗宽窗位调整则用于优化图像显示，突出关键组织结构。对于CT图像，窗宽决定了显示的CT值范围，窗位则设置显示的中心。通过统计特定区域的最大值和最小值来定制窗宽窗位，可以提高图像分析的准确性。此外，数据预处理还包括图像重构采样和归一化，以适应神经网络训练。

1 CT图像的Hu值变换

2 CT图像窗宽窗位调整

1 CT图像的Hu值变换

CT值属于医学领域的概念，通常称亨氏单位（hounsfield unit,HU),反映了组织对X射线的吸收程度。黑影表示低吸收区，即低密度区，如含气体多的肺部；白影表示高吸收区，即高密度区，如骨骼。但是CT 和X线图像相比，CT的密度分辨力高，即有高的密度分辨力（density resolution）。因此，人体软组织的密度差别虽小。吸收系数虽多接近于水，也能形成对比而成像。解剖成像。

灰度值属于计算机领域的概念，指的是单个像素点的亮度，灰度值越大表示越亮。范围一般从0到255，白色为255，黑色为0，故黑白图片也称为灰度图像。

两种最常用的医学图像数据格式：DICOM类型和NIFTI类型

DICOM类型的文件后缀为dcm,常用的python处理库有：SimpleITK,pydicom库

NIFTI类型的文件后缀为nii或nii.gz，常用的python处理库有：SimpleITK,nibabel库

注：无论对于dcm还是nii格式的图片，只要是ct图，为了更好地观察不同器官，都可以选择将储存的原始数据转化为Hu值，因为Hu值即代表了物体真正的密度。

对于nii格式的图片，SimpleITK,nibabel中常用的api接口，都会自动的进行上述转化过程，即取出来的值已经是Hu了。除非专门用nib.load('xx').dataobj.get_unscaled()或者itk.ReadImage('xx').GetPixel(x,y,z)才能取得原始数据

对于dcm格式的图片，SimpleITK,pydicom常用的api接口都不会将原始数据自动转化为Hu。（itk snap软件读入dcm或nii都不会对数据进行scale操作）

公式与代码：

HU = pixel_val*slope + intercept

其中，slope,intercept可以从元数据中读取

def get_pixels_hu(ct_array,slope,intercept):
    if slope != 1:
        ct_array = slope*ct_array
    ct_array += intercept
    return ct_array</

最低0.47元/天解锁文章