问题标签 [medical-imaging]

我有 200 多个具有匹配分段的 CT 卷文件。卷采用 .nrrd 格式，分段采用 seg.nrrd 格式。我需要将这两种格式都设为 .nii.gz 格式，并且我想编写从一种格式到另一种格式的转换脚本。

关于卷，一切都很简单，使用sitk：

将 SimpleITK 导入为 sitk

img = sitk.ReadImage(“your_image.nrrd”) sitk.WriteImage(img, “your_image.nii.gz”)

我也对分段做了同样的事情，乍一看效果很好。但现在的问题是分段不再注册到卷中。图像尺寸和图像原点不再相同，因此我无法处理转换后的图像。

当我使用 3D-Slicer 执行以下手动步骤时，也会发生同样的情况： 1. 将 .seg.nrrd 文件加载到 Slicer 作为分割 2. 将分割保存为 .nrrd 文件而不是 seg.nrrd 3. 导入 .nrrd 文件作为 Volume 并将分段保​​存为 .nii.gz

但是我想出了一种在保留所有维度的同时手动转换数据类型的方法： 1. 导入卷以及相应的分段 (.seg.nrrd) 2. 将分段导出到标签图，并将参考卷设置为我的对应卷3.将Labelmap另存为nii.gz（4.不确定我的项目是否需要该步骤：将Labelmap转换为标量并安全为nii.gz）

在这两种情况下 3. 和 4. 我有一个具有匹配尺寸的 nii.gz 文件。但因为我有 200 多卷，所以我需要编写脚本。但到目前为止我还没有发现任何东西。你有什么想法？谢谢！

当我在医学图像数据上训练这个网络时 -train -benign -normal -cancer -test -benign -normal -cancer -valid -benign -normal -cancer 训练时出现错误

这是数据加载。import os import torch from torchvision 导入数据集，转换

从头开始在这里制作模型

在这里我定义损失和优化器

进行培训，我出现在这里的错误

这是一个错误

我正在使用以 dice_loss 作为训练损失函数的 U-Net 模型进行图像分割（多类）。用平滑项分别计算每个类的骰子分数，然后取所有类的平均骰子分数来计算损失。下面是我如何计算张量流中的骰子损失。

最后将批次中所有图像的平均值作为损失。

现在，在推理过程中，我以类似的方式计算骰子得分，但每个班级的骰子得分是单独报告的，而不是所有班级的平均值。下面是如何计算 tensorflow 中单个类的骰子分数

最后计算批次中所有图像的平均骰子分数。

在训练时，我取单个图像的平均骰子得分，然后对批次进行平均，因为这对我的数据集更有效，而不是一起计算整个批次的所有骰子得分。

我的问题是在推理期间

1. 我应该分别计算每个图像的骰子分数，然后对批次取平均值还是一起计算整个批次的骰子分数？哪个是正确的方法？
2. 同样在推理过程中，骰子分数计算中的平滑项是否应该存在？

我有 .dcm 格式的图片。从 Dicominfo 我了解到像素间距为 [0.9,0.9] mm，切片厚度为 1.98 mm。

我的任务：我应该获取真实（世界）坐标中的图片大小，然后在 matlab 中的所有三个投影中显示图片。

我有一个想法，我会在 matlab 中创建一个矩阵，但我很难创建像素大小间距。我的意思是矩阵中的像素就像一个正方形，是0.9mm * 0.9mm。我不知道我的方法是否正确，是否有一种简单的方法可以解决问题。非常感谢您的每一个回答

我只想从.mha文件中读取标题。理想情况下，它会给我.mhd与仅读取带有元数据的文件相同的效果。
我正在使用 SimpleITK 进行阅读，虽然它可以很好地读取图像，但我特别想创建一个元数据字典。
.mha基本上是.mhd与原始图像相结合，但我找不到任何关于如何分离它们的规范。我在这里的 ITK 文档中找到：

要跳过图像数据文件中的标头字节，请使用
HeaderSize = X
其中 X 是在读取图像数据之前要在文件开头跳过的字节数。如果您知道没有尾随字节（文件末尾的额外字节），您可以指定
HeaderSize = -1
MetaImage 将自动计算数据文件中提取字节的数量，假设这些字节位于数据文件的开头，并且在开始读取图像数据之前自动跳过它们。

但我在 SimpleITK 中找不到这个功能。

我是深度学习的新手。我正在研究 CT 扫描医学图像。我想使用 UNet 架构来预测图像分割。我已经成功实现了 UNet，但是，我的预测完全是黑色的。我认为这是因为有图像，其对应的ground truth是黑色的（相当多的图像）。所以，我想这可能会导致问题。

如果整个蒙版是黑色的，则意味着图像中没有所需的对象。下面是一个示例图像；

以下是相应的基本事实。

我不知道如何处理这种情况。我应该删除所有 ( image , ground truth ) 对吗？CT 图像是体积图像。因此，当我的模型预测新测试集中的分割时，它还应该检测其中没有所需对象的图像。如果有人在这方面指导我，我将不胜感激。

数据集：https ://www.doc.ic.ac.uk/~rkarim/la_lv_framework/wall/index.html

我正在为医学可视化和交互编写一个更大的应用程序的启动过程。我正在考虑选择哪个管道。

MITK：以 ITK 为核心。算法继承自itk::Process和对象继承自itk::Object观察者等。

Slicer：以VTK为核心。算法继承自vtk::vtkAlgorithm，对象继承自vtk::Object。

有人对这两个框架都有经验吗？优点和缺点。

提前致谢

我正在做一个分割任务。现在我成功分割了感兴趣的区域并找到了该区域的轮廓。如何计算轮廓的最小/最大轴长度？轴不必是正交的。

我已经得到的是：轮廓上点的坐标。轮廓的质心。

我已经尝试过的：我找到了轮廓的拟合椭圆。然而，拟合椭圆只能找到可能不是穿过质心的最小或最大长度的正交轴。

我有一个关于将患者坐标转换voxel coordinates为3D MRI point cloud从DICOM. 我有一个从 2D MRI 图像获得的 3D 点云文件，这些点位于患者坐标系中。我正在尝试将云中的这些点转换为voxel coordinates使用我最初创建的仿射矩阵的逆矩阵。但是我拥有的仿射矩阵是奇异的，因此我不能直接对其应用反函数。有没有办法在不对仿射矩阵应用反函数的情况下构造逆仿射矩阵？或者有没有其他方法可以实现这种转换？我也尝试从仿射矩阵中获取伪逆矩阵，但我不确定这是否会有所帮助。

我在Python 3.7. 仿射矩阵的形状是(160, 4, 4)，伪逆矩阵的形状也是(160, 4, 4)，点云数组的形状是(2086604, 4)。

要转换为体素坐标，数组的代码和结果形状如下：

理想情况下，我希望得到以下形状的数组：(160, 4, 4)而不是(160, 4, 2086604)

你们中的任何人都可以帮我解决这个问题吗？

我有一个 GLSL 片段着色器作为渲染混合在一起的两个 3D 体积切片的管道的一部分。对于其中一个体积，我想使用最近邻插值，因为它是一个“分割掩码”（即在每个体素处指示，另一个图像中的体素属于哪个结构，例如背景为 0，目标结构为 1；请参阅下图中的紫色叠加层），因为默认的三线性插值会在边界处产生不希望的伪影（下图中边界处的绿线）

我将如何修改下面的片段着色器代码以在分段掩码 ( vol2) 上使用最近邻插值？