Início / coding / Perguntas / 79552637
Accepted
Romain
Asked: 2025-04-03 18:18:09 +0800 CST

Tomografia computadorizada de interpolação em python

  • 772

Tenho uma tomografia computadorizada com formato de (350, 512, 512) e tamanho de voxel de (2, 1,13, 1,13).

Gostaria de fazer uma interpolação para obter um novo tamanho de voxel de (1,1,1) usando o zoom do scipy.

Aqui está o código que estou usando

volume = np.stack([dcm.pixel_array for dcm in dicom_files]).astype(np.uint16) #3D volume with original data
volume = volume * slope + intercept #convert to Hounsfield Units
full_ct_spacing = [slice_thickness, pixel_spacing[0], pixel_spacing[1]] #shape of a voxel
new_spacing = np.array([1,1,1]) #target spacing
resize_factor = full_ct_spacing / new_spacing #resize factor
volume = zoom(volume.astype(np.uint16), resize_factor, order=1, mode='reflect') #interpolated volume

Eu faço uma nova tomografia computadorizada com um formato de (700, 580, 580), mas quando eu a exponho, os níveis de cinza parecem estar invertidos. O ar é branco e os ossos são pretos.

É devido à função de zoom? Qual é a melhor maneira de interpolar a tomografia computadorizada?

python

1 respostas

  1. Best Answer

    O problema com níveis de cinza invertidos em tomografias computadorizadas ocorre devido a uma incompatibilidade de tipo de dados durante a interpolação com scipy.ndimage.zoom. Especificamente, DICOMvalores de intensidade (Unidades Hounsfield) podem ser negativos (por exemplo, ar: -1000) ou positivos (por exemplo, ossos). A conversão desses valores interpolados para np.uint16faz com que valores negativos sejam retomados (por exemplo, -1000 se torna 64536), levando a uma visualização incorreta.

    Para evitar isso, sempre execute a interpolação em tipos de dados de ponto flutuante ( np.float32ou np.float64) para evitar problemas de estouro ou corte. Após o processamento, converta os dados de volta para um tipo inteiro apropriado, como np.int16, se necessário. Isso garante uma visualização precisa da tomografia computadorizada, onde o ar parece escuro e os ossos brilhantes.

    Se você precisa de melhor controle ou precisão para interpolação de imagens médicas, considere bibliotecas especificamente adaptadas para imagens médicas, como SimpleITKou ITK. Essas bibliotecas lidam com dados de imagens médicas e reamostragem espacial de forma mais eficaz.

    Aqui está um exemplo usandoSimpleITK

    import SimpleITK as sitk

# Convert the 3D volume to a SimpleITK image
sitk_volume = sitk.GetImageFromArray(volume)
sitk_volume.SetSpacing(full_ct_spacing[::-1])  # Original spacing (Z, Y, X)

new_spacing = [1.0, 1.0, 1.0] 

resampler = sitk.ResampleImageFilter()
resampler.SetOutputSpacing(new_spacing[::-1])
resampler.SetSize([
    int(dim * full_ct_spacing[i] / new_spacing[i]) 
    for i, dim in enumerate(sitk_volume.GetSize())
])
resampler.SetInterpolator(sitk.sitkLinear)
resampled_volume = resampler.Execute(sitk_volume)

# Convert back to NumPy array
volume = sitk.GetArrayFromImage(resampled_volume)
    • 1

relate perguntas