在接触人工智能医疗方面时，单是学习算法和代码原理还不够，需要一定的医学影像知识储备。 B超、CT、MR等都算是医疗影像，在现实生活中，从医院检查身体后拿到的胶片是处理过后的二维图像。这些医疗影像其实是三维的。 最常见的图片格式有JPG、PNG等等，这些都是二维图片。而医疗影像的格式也有很多，其中最常见的是DICOM。 什么是DICOM？ 为了方便各种医疗设备的通讯，美国成立的ACR-NEMA

背景：做petct过程中，前端的PT图像可以正常显示窗框窗位，后端要做截图时不能正确显示窗宽窗位。 解决思路：前端可以正常显示是因为 cornerstone.js 的源码里有算法做过处理，可以参考源码算法。 computeAutoVoi.js 中的源码贴出来记录一下： /*** Computes the VOI to display all the pixels if no VOI LUT

窗技术：窗技术是根据诊断需要，调节图像的对比度和亮度的调节技术，它包括窗宽，窗位的选择。 窗宽：窗宽的宽窄直接影响图像的清晰度与对比度。如果使用窄的窗宽，则显示的CT值范围小，每一灰阶代表的CT值幅度小，对比度强，适于观察密度接近的组织结构(如脑组织)。反之，如果使用宽的窗宽，则显示的CT值范围大，每一灰阶代表的CT值幅度大，则图像对比度差，但密度均匀，适于观察密度差别大的结构(如骨与软组织)。