Dicom图像解析

医疗图像解析

Dicom

后缀: .dcm.DCM Dicom中规定的坐标系是以人坐标系为绝对坐标系的,规定X轴正向指向病人的左侧,Y轴正向指向病人的背部,Z轴正向指向病人的头部。但是,坐标点的位置,每个厂商都有自己的看法 下图展示了成像过程中对应的坐标系 成像坐标系

三视图

图片信息中的Tag说明 在DICOM中,是通过Image Position和Image Orientation来描述当前的图像和人体坐标系的相对位置的。 解析举例

import dicom
import pylab
import os


dcm_img_base_url = "/home/fan/datas/dcmFile"
ds = dicom.read_file(os.path.join(dcm_img_base_url, "N2D_0020.dcm"))
print("图片中存在的属性: ", ds.dir("pat"))
print("病人方位: ", ds.PatientOrientation)
# 以下两个属性标签描述图像位置信息
print("图像病人方向: ", ds.ImageOrientationPatient)
print("图像病人位置: ", ds.ImagePositionPatient)
# CT矩阵
pix = ds.pixel_array
# 打印图片
pylab.imshow(pix, cmap=pylab.cm.bone)
pylab.show()

ds1 = dicom.read_file(os.path.join(dcm_img_base_url, "N2D_0140.dcm"))
pix1 = ds1.pixel_array
pylab.imshow(pix1, cmap=pylab.cm.bone)
pylab.show()

以上使用的图片为ADNI数据集中的一个.nii图像转换为Dicom图像后的一个图片 图片中存在的部分信息为 ImageOrientationPatient: ['1', '-2.18345624778243e-11', '0', '2.1834562200241e-11', '1', '2.1834562200241e-11'] ImagePositionPatient: ['-101.501693725586', '-141.694915766789', '-90.989616394043'] 之后我们需要使用这两个量来进行定位线的计算,VR,MPR的空间计算 这两个量使用的空间坐标系

原始坐标系为O,O1坐标系绕z轴以O系统的基础上旋转了θ的一个角度,我们可以把这个矩阵记录为

通过一系列这样的变换,我们可以得到最终的变换矩阵为

把T记为

我们的图像是一个2维的量,由于当前图像像素点的z方向坐标相对于当前图像的坐标系的值都为0,当前图像的坐标点可以用(x,y,0)的向量来表示,表示在齐次坐标方式就为(x,y,0,1),那么,这时想要计算出图像上的某个点相对于原始坐标系的坐标,就直接和转换矩阵T相乘即可,记为

Image Orientation的6个量就显而易见为

Image Position中的三个量为

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券