有关dicom格式医学影像的分析

一、Dicom简介

1、DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息的国际标准（ISO 12052）。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。
      DICOM被广泛应用于放射医疗，心血管成像以及放射诊疗诊断设备（X射线，CT，核磁共振，超声等），并且在眼科和牙科等其它医学领域得到越来越深入广泛的应用。在数以万计的在用医学成像设备中，DICOM是部署最为广泛的医疗信息标准之一。当前大约有百亿级符合DICOM标准的医学图像用于临床使用。
      自从1985年DICOM标准第一版发布以来，DICOM给放射学实践带来了革命性的改变，X光胶片被全数字化的工作流程所代替。就像Internet成为信息传播应用的全新平台，DICOM使“改变临床医学面貌”的高级医学图像应用成为可能。比如在急诊科中，心脏负荷测试，乳腺癌的检查，DICOM为医生和病人服务，是医学成像有效工作的标准。
      DICOM标准中涵盖了医学数字图像的采集、归档、通信、显示及查询等几乎所有信息交换的协议；以开放互联的架构和面向对象的方法定义了一套包含各种类型的医学诊断图像及其相关的分析、报告等信息的对象集；定义了用于信息传递、交换的服务类与命令集，以及消息的标准响应；详述了标识各类信息对象的技术；提供了应用于网络环境(OSI或TCP/IP)的服务支持；结构化地定义了制造厂商的兼容性声明(Conformance Statement）。
      DICOM标准的推出与实现，大大简化了医学影像信息交换的实现，推动了远程放射学系统、图像管理与通信系统（PACS）的研究与发展，并且由于DICOM的开放性与互联性，使得与其它医学应用系统（HIS、RIS等）的集成成为可能。
      医学图像设备生成 DICOM 文件，医生使用 DICOM 阅读器（能够显示 DICOM 图像的计算机软件）阅读并对图像中发现的问题进行诊断.

基于C++的DCMTK、基于Java的dcm4che以及基于python的pydicom，都是非常优秀的解释DICOM标准的第三方库，通过在工程中引入它们可以避免软件开发人员去进行底层的解析工作，可为项目开发提高效率。

目前例如CT，核磁共振，超声等利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，所以扫描后得到的图像是多层的图像，而我们把一层层的图像在z轴上堆叠起来就可以形成三维图像(这就涉及到三维重建的问题)，这时，每一层的图像我们都可以存在dicom文件中（当然，dicom文件不是单纯的像素信息，它还有很多的数据头部信息），如下图，我们的目的就是要把在这些数据头部信息和像素信息从一系列dicom文件中读取出来。

二、Dicom的信息处理

①医学图像之DICOM格式解析
   1、DICOM内部信息详解(DICOM Tag与VR)
   2、利用python+pydicom这个库解析DICOM文件
   3、DICOM的三个切面)

②The usage of the Python programming language in scientific endeavors
the primary purpose of this blog is to provide Python tutorials and promote time-saving yet little-known tools. Topics will include visualization, image processing, data analysis, high-performance computing etc etc.

③处理医疗影像的Python利器：PyDicom
Pydicom是一个用于处理DICOM格式文件的Python包，可以处理包括如医学图像（CT等）、报告等。

Pydicom支持DICOM格式的读取：可以将dicom文件读入python结构，同时支持修改后的数据集可以再次写入DICOM格式文件。但需要注意，它不是被设计为查看图像，主要是用来操作DICOM文件的各种数据元素。

三、Dicom格式转raw(python实现)

医学图像通常是通过dicom文件格式进行存储的，但为了便于读取和使用也常常将其转化为：每个病人一个mhd文件和一个同名的raw文件的格式，mhd即meta header data，数据头部信息，raw存储了像素信息。如下图所示：

其中mhd文件存储了dicom的头部信息，由于头部信息很多生成mhd的方法有所不同，所以这里展示了通过ITK（ITK是美国国家卫生院下属的国立医学图书馆开发的一款医学图像处理软件包，是一个开源的、跨平台的影像分析扩展软件工具。）产生mhd文件的文件内容(利用写字板打开)，有以下头部信息：

PYTHON 实现代码：

import cv2
import os
import pydicom
import numpy
import SimpleITK# 路径和列表声明
# 与python文件同一个目录下的文件夹,存储dicom文件,该文件路径最好不要含有中文
PathDicom = "D:/dicom_image/V"
# 与python文件同一个目录下的文件夹,用来存储mhd文件和raw文件，该文件路径最好不要含有中文
SaveRawDicom = "D:/dicom_image/V/SaveRaw"
lstFilesDCM = []# 将PathDicom文件夹下的dicom文件地址读取到lstFilesDCM中
for dirName, subdirList, fileList in os.walk(PathDicom):for filename in fileList:if ".dcm" in filename.lower():  # 判断文件是否为dicom文件print(filename)lstFilesDCM.append(os.path.join(dirName, filename))  # 加入到列表中# 第一步：将第一张图片作为参考图片，并认为所有图片具有相同维度
RefDs = pydicom.read_file(lstFilesDCM[0])  # 读取第一张dicom图片# 第二步：得到dicom图片所组成3D图片的维度
ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFilesDCM))  # ConstPixelDims是一个元组# 第三步：得到x方向和y方向的Spacing并得到z方向的层厚
ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))# 第四步：得到图像的原点
Origin = RefDs.ImagePositionPatient# 根据维度创建一个numpy的三维数组，并将元素类型设为：pixel_array.dtype
ArrayDicom = numpy.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)  # array is a numpy array# 第五步:遍历所有的dicom文件，读取图像数据，存放在numpy数组中
i = 0
for filenameDCM in lstFilesDCM:ds = pydicom.read_file(filenameDCM)ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)] = ds.pixel_arraycv2.imwrite("out_" + str(i) + ".png", ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)])i += 1# 第六步：对numpy数组进行转置，即把坐标轴（x,y,z）变换为（z,y,x）,这样是dicom存储文件的格式，即第一个维度为z轴便于图片堆叠
ArrayDicom = numpy.transpose(ArrayDicom, (2, 0, 1))# 第七步：将现在的numpy数组通过SimpleITK转化为mhd和raw文件
sitk_img = SimpleITK.GetImageFromArray(ArrayDicom, isVector=False)
sitk_img.SetSpacing(ConstPixelSpacing)
sitk_img.SetOrigin(Origin)
SimpleITK.WriteImage(sitk_img, os.path.join(SaveRawDicom, "sample" + ".mhd"))

参考：Dicom文件转mhd，raw文件格式(https://www.cnblogs.com/XDU-Lakers/p/10781321.html)

参考文献：
1、https://www.cnblogs.com/XDU-Lakers/p/9863114.html
2、https://pyscience.wordpress.com/2014/09/08/dicom-in-python-importing-medical-image-data-into-numpy-with-pydicom-and-vtk/
3、https://www.cnblogs.com/XDU-Lakers/p/10781321.html
4、https://zhuanlan.zhihu.com/p/59413289