打开DICOM文件需要注意到的点

本文主要是介绍打开DICOM文件需要注意到的点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

DICOM图片用来存储医学信息

我一般处理的是图像信息，总结一下踩过的坑

在这里插入图片描述

打开DICOM文件需要注意到的点

DICOM图片使用python进行打开一定要注意窗口问题，dicom文件里面存储了很多其他的附加信息，不仅仅是图片，其中最重要的一个条就是要使用窗口信息。如果窗口信息不正确，由于dicom文件不是8位或者标准的浮点图片存储，它的位数很大，你直接读取，可能就是黑色的图。同时窗口信息可能不止一个，有多个，需第一组，或者最后一组就行。
进行dicom文件显示的时候，我们一般使用PIL.Image库，但是要注意dicom文件加载出来的是浮点数，直接使用Image进行存储都是黑漆漆的，Image支持uint8，float32的图片如果在不乘以255就进行数据格式的改变的话，它截取所有小于1的为0，1值，在0-255区间就是黑色，所以信息全部损失了。所以在展示保存或者其他操作之前，一定要将图片先乘以255，然后再改变数据格式，这样才能正确的显示实际的信息。

在这里插入图片描述

我在处理DICOM文件时的一些操作

def preprocess_image(self, image_path, target_height=1350, target_width=900, fill=0, change_side='right', padding_mode='constant'):dicom = pydicom.dcmread(image_path)try:window_center = dicom.WindowCenterwindow_width = dicom.WindowWidth# 如果WindowCenter和WindowWidth是列表，选择第一个值if isinstance(window_center, pydicom.multival.MultiValue):window_center = window_center[0]if isinstance(window_width, pydicom.multival.MultiValue):window_width = window_width[0]except Exception as e:print(f"文件 {image_path} {e} 没有窗口参数")dicom_image = apply_voi_lut(dicom.pixel_array, dicom)min_val = window_center - (window_width / 2)max_val = window_center + (window_width / 2)dicom_image = np.clip(dicom_image, min_val, max_val)dicom_image = (dicom_image - min_val) / (max_val - min_val)dicom_image = dicom_image.astype(np.float32)original_height, original_width = dicom_image.shapenew_height = target_height  # 保持高度不变new_width = int(original_width * (new_height / original_height))  # 根据新的高度比例调整宽度# 根据目标宽度调整图像if new_width < target_width:padding = target_width - new_widthif change_side == 'left':img_padded = cv2.copyMakeBorder(dicom_image, 0, 0, padding, 0, cv2.BORDER_CONSTANT, value=fill)else:img_padded = cv2.copyMakeBorder(dicom_image, 0, 0, 0, padding, cv2.BORDER_CONSTANT, value=fill)elif new_width > target_width:crop = int((new_width - target_width) / 2)if change_side == 'left':img_padded = dicom_image[:, crop*2:]else:img_padded = dicom_image[:, :-crop*2]else:img_padded = dicom_imageimg_resized = cv2.resize(img_padded, (target_width, target_height), interpolation=cv2.INTER_LANCZOS4)img_resized = np.clip(img_resized, 0, 1)preprocess = transforms.Compose([transforms.ToTensor(),])return preprocess(img_resized)