问题标签 [medical-imaging]

I have a J2k Lossless dicom image and upon reading it with pydicom I see that it's in the YBR_RCT Color Space.

I want to convert the Color Space to RGB. I tried using the convert_color_space method from pydicom however, apparently this conversion is not implemented.

In their documentation they mention this link as reference for their implementation of other conversions. That link also mentions some equations for converting from YBR_RCT to RGB.

I implemented the equations like so:

However, after this when I visualize the image through plt.imshow(), I see that it's very purplish. I doubt what I have done is right and I haven't really found another package that does this conversion.

I have tried using SimpleITK, however its not clear to me if it does the color space conversion or not.

Please let me know if you know how to do this conversion.

我应该在 Matlab 中从 2D 图像表示 3D 体积图像。2D 图像的数量为 90 个 DICOM 格式的图像。此外，每张图片大小为512 * 512。这个任务是关于Z轴切片之间的距离。这是我的以下代码：

**

**

我必须取消该程序，以便它给我图片。否则不添加图片需要更长的时间。当程序退出时，它显示一个图像卷，但你有相同的图像（完全黑色）。然而，90 个原始图像是不同的。我上传了2张图片。在此处 输入图像描述 在此处输入图像描述我不知道我的错在哪里。我将非常感谢您的帮助

我有一个项目来建立脊椎根部的 3D 模型，以模拟电极的刺激。目前我已经处理了两件事，脊椎根的提取位置（来自 CT 扫描）和从点中选择的部分（参见下面的两张图片）。我提供的数据是 3D 的，所有的片段都清晰不同，尽管它在下图中看起来不像，因为它被缩小了。

从脊髓 CT 扫描中提取的点和节段： .

从点中选择的段：

我现在正在尝试连接这些部分，以便在末端获得所有脊椎根的中心线。这些段没有分类，只是用不同的颜色在图上区分它们。然后，任务是垂直连接看起来是同一根路径的一部分的段。我一直在查阅有关如何解决该问题的文献。由于我对这个领域还很陌生，所以我对什么可行，什么不可行没有太多的直觉。我在这里要解决两个子任务，连接线和分类根，虽然在分类后连接线段似乎没什么大不了的，但对它们进行分类似乎要困难得多。所以我不确定按什么顺序进行。以下是我正在考虑处理该任务的几个选项：

• 使用卡尔曼滤波器从选定段和缺失部分中提取垂直线
• 使用霍夫变换来检测垂直线，通过尝试在参数空间中表达脊柱根段并查看它们如何聚类并查看是否可以从那里推断出任何东西。
• 对段应用某种 SVM 分类算法以按根对它们进行分类。我可以通过其方向和位置来表征每个段，并根据我选择的参数的相似性对它们进行分类，然后连接这些段。或者，如果它们的方向/位置匹配，则使用每个段的端点位置并将其连接到最近的邻居之一。

我愿意接受任何关于如何处理当前问题的建议、任何建议或任何其他想法。

我在 Matlab 中寻找一个命令，它不显示带有颜色的图像，而是显示像素的值。

例如：像素 (1,1) 为黑色，为 0。我只是想在图中表示值 0。此外，图像为 DICOM 格式。

使用 impixelregion 只返回一个图形而不是矩阵。

以下代码不起作用：

我会很感激你的帮助:)

我有两个与二进制 3d 图像关联的数据文件 image.raw 和 image.mhd。我正在尝试用 python 代码阅读它们。我做了很多不同的尝试，但我一直收到编译器错误

无法确定“image.mhd”的 ImageIO 阅读器。

我当前的代码如下所示：

我想以pytorch张量格式直接将图像从内存加载到python。我通过替换这些行修改了 GetArrayViewFromImage() 函数：

经过：

在实践中它太慢了，我将其替换为：

现在我有两个问题：

1. 它慢得多，我真的不知道为什么用 numpy 阅读它并转换它会更快。
2. 即使我添加了 dtype 参数并且它返回了一个具有正确 dtype 的张量，但它读取它是错误的（例如，无论我选择什么 torch.dtype，numpy 中的 -1000 都被读取为 252），这在使用 numpy 和转换，为什么会这样？

我按照此链接使用 tfio.image.decode_dicom_image 从我自己的数据集中读取了 .dcm 图像。读取图像的形状显示为 (None,None,None,None)。在使用 plt.imshow 显示图像时，np.squeeze 的输出是零维的，因此在二维图像显示中会出现错误。有人可以帮我理解问题所在吗？

我有一个小项目，OpenCV (python)其中一个步骤是从人体获取 X 射线图像并将其转换为二进制图像，其中白色像素表示存在某些骨骼的位置，黑色表示那里没有骨骼。

由于有时“骨骼部分”可能比来自另一个区域的“非骨骼部分”更暗，因此简单的阈值处理将不起作用。我也试过adaptive threshold了，我看不出有什么不同。

我想出了一个简单的算法，它为每一行应用一个简单的阈值。这是代码：

这是执行相同工作但逐列而不是逐行的代码：

这种方法对像这样的图像效果很好：这个 不太好，但也不错： 非常糟糕： 只有左半边看起来不错

...

如你看到的; 该算法仅适用于某些图像。我会很高兴看到更多有经验的人的想法。

顺便说一下，图像不适合我。

整个源代码：

编辑：添加原始图像：

我知道在卷积层中，内核大小需要是步幅的乘积，否则它将在梯度计算中产生伪影，例如棋盘问题。现在它在 Pooling 层中也可以这样工作吗？我在某处读到最大池也可能导致类似的问题。以鉴别器中的这一行为例：

我有一个模型（MUNIT），这是它产生的图像：

它看起来像棋盘问题，或者至少是梯度问题，但我检查了我的卷积层并没有发现上述错误。它们都是尺寸为 4 且步幅为 2 的尺寸，或者是尺寸不均匀且步幅为 1 的尺寸。

该模型运行良好，但我想绘制结果并且似乎无法使其正常工作，有什么帮助吗？我相信我必须为准确性、损失、val_accuracy、val_loss 设置局部变量，但我不确定在这种情况下如何执行此操作。我真的需要帮助解决这个问题，因为它造成了很大的压力哈哈

这是我收到的错误