问题标签 [medical-imaging]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 试图将 Dicom 图像文件转换为 png
嗨,我有一个 dcm 文件文件夹,我想将其更改为 png 文件以放入 png 文件夹。这是我所做的代码:
它给了我一个这个错误的列表
我可以从错误中看到它没有正确转换,最后有 .dcm.png,如何删除 .dcm 并用 .png 替换它?
python - “AttributeError:‘numpy.ndarray’对象没有属性‘值’
这是我的代码片段:
我在第一个 if 语句中遇到了错误。它说:“AttributeError:'numpy.ndarray'对象没有属性'值'”。关于我应该做些什么来纠正错误的任何建议?
说明:“dcm_pixel_array”是从 dicom 文件中读取的数组(二进制掩码)字典。段数为 286。我正在尝试访问 I8 和 I1 数组的第 k 列的第 j 行中的信息。
谢谢!
python - RuntimeWarning:在 ushort_scalars 中遇到无效值
我正在尝试T2
从我的文件制作地图dicom
,但我的代码遇到以下错误:
这是我正在使用的代码示例:
澄清:number_of_segments = 288
我不确定这些错误是什么意思或如何纠正它们。欢迎任何建议。
感谢您的帮助!
tensorflow - 隔离网实现
我正在研究生物医学图像分割。为此,我需要实现 SegNet 模型。我在很多地方搜索了 SegNet 实现,但这些都没有为我提供正确的实现。我在没有使用预训练编码器的情况下得到了一些实现。但是从 SegNet 的论文中,我知道 SegNet 使用预训练的编码器,它是在 ImageNet 数据集上训练的 VGG-16 网络的修剪部分。我需要在 Keras 中实现。
注意 keras 中有一个预训练的 VGG-16 网络。但这缺少 SegNet 的原始论文中存在的批量归一化层。
PS 由于计算资源的稀缺,我无法自己重新训练 VGG-16 网络。
metadata - DICOM 到 Nifti 元数据未传输
我正在尝试获取一些 DICOM 堆栈并将它们转换为 Nifti 文件。当我进行转换并在 3D 查看器中打开新的 Nifti 文件时,体积在 z 方向上被粉碎在一起。Nifti 文件不知道切片之间的间距是多少。据我了解imageio.volread()
,不会读取元数据。我尝试使用pydicom.filereader.dcmread()
但只读取一个文件。转换格式时如何将元数据从 DICOM 堆栈复制到 Nifti 文件?
更新:
我正在使用Nifti1Header
和设置我的体素间距,但是当我在其他程序中保存和打开文件时,体素间距仍然是 1x1x1。当我在保存 pixdim 显示之前打印标题时[1. 0.09 0.09 0.09 1. 1. 1. 1. ]
。
标题:
仿射:
所需仿射:
python - 如何将一维信号转换为二维信号?
我有一个 1 维信号(EEG 信号),我想将其转换为 2D 信号,以便将其用作 CNN 模型的输入。我可以使用傅里叶变换来做到这一点吗?
python - 使用 ipyvolume 对 .dicom 文件进行 3D 可视化
我正在尝试使用and可视化一组.dicom
文件。pydicom
ipyvolume
我曾经pydicom
读取文件,然后按它们的位置对它们进行排序,并将切片转换为 3D 数组。ipyvolume.pylab.plot_isosurface()
虽然我不确定这是否是可视化医学图像的正确方法(它都是具有相同不透明度和颜色的实心像素),但我可以绘制数据的 3D 模型。我也试过ipyvolume.pylab.volshow()
,但没有奏效。
有没有正确的方法来可视化医学图像ipyvolume
?或者这只是不适合的图书馆?
python - python中第三维的体素归一化
我目前正致力于标准化 ct 扫描(x、y、层)。使用 cv2.reshape 对前两个维度进行归一化很简单,但是第三个维度......我的想法是展平前两个维度以获得 2d-numpy-array。如果我对每一层进行重塑 (x * y) 并将其重塑回 (x, y) 我会得到一个完全不同的图像。我在开头有一个肺的图像,后面有不同灰度值的线条。
我确定这是某种简单的错误,但我没有看到。因此,我将非常感谢您的帮助。
python - 2D CNN 对 3D 灰度 MRI 数据进行分类,可能存在数据标记问题
我正在尝试对 3D 黑白 MRI 数据进行二进制分类。由于缺乏黑白数据中固有的通道,我正在使用 2D 卷积。我添加了一个维度来排列维度,本质上,这些数据的深度充当了批处理维度。我正在使用数据的子样本,20 个文件,每个文件 189 x 233 x 197。就像一个快速背景。
根据下面的代码,我有一个 csv 文件,其中包含一堆信息,包括我尝试提取的每个文件的标签数据。
当我去拟合模型时,我收到以下错误:
我知道 [189,2] 中的 2 与最终的 softmax 层相关联,但我不知道如何处理该信息,或者从这里去哪里。任何帮助将不胜感激,谢谢!
python - 为灰度 MRI 数据的二进制分类构建 3D CNN,尝试 model.fit 时的数据维度问题
我正在尝试为灰度 MRI 数据的二进制分类构建 3D CNN。我是新手,所以不要打任何拳,我是来学习的!我有 20 个 3D 文件的子样本,尺寸为 (189、233、197)。我使用 np.reshape 添加 aa 维度作为通道来获得 (189, 233, 197, 1)。我使用 tf.shape 来获取数据集的形状,即
在标签数据上也是如此
以下是我正在使用的完整代码:
当我尝试拟合模型时,维度似乎没有对齐,并且出现以下错误:
训练拆分设置为 0.75,因此 20 个中有 15 个。我很困惑为什么这不起作用并且无法弄清楚为什么这是模型正在接收的输入。我之前得到了一些帮助,使用以下代码创建一个虚拟集会导致模型运行:
在这个问题上,我已经把头撞在墙上一段时间了。任何帮助将不胜感激。