Question

我加载了一些.mdh和.raw文件用于医学图像，但是有一件事困扰着我。我了解在.dicom文件中，您可以使用rescale.slope和rescale.intercept将像素强度转换为HU，而该.mhd文件无法包含该强度。因此，我想知道如何从.mdh和.raw文件中更好地查看图像数据。这就是我生成的image，这就是我想要的image完成。
在这里，我从数据中加载一个切片，并绘制每个“像素”值的histogram（不确定是将其称为像素还是体素）。
尽管我确实有一个想法，就是简单地将像素重置为最小值，但是我真的很想听听经验丰富的同行提供的解决方案。

itk_img = SimpleITK.ReadImage(mhd_file) 
img_array = SimpleITK.GetArrayFromImage(itk_img)
plt.imshow(img_array[80], cmap=plt.cm.gray) # show a slice from a 3D data
plt.show()

plt.hist(img_array[80].flatten(), bins=80, color='c')
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.show()

由于我尚未上传图片，所以我已将所有图片上传到github，所以请随时单击。

非常感谢！

Answer 1

上一个答案很好地解释了为什么窗口是您想要的，而不是强度值的重新缩放。但是，@ Czorio提出的解决方案需要您在第三方软件（ITK-Snap或MeVisLab）中可视化图像。

虽然我也建议您使用这些应用程序，但在您的帖子中看起来，您正在尝试使用Matplotlib在Python中可视化图像。如果要在Python中更改窗口，建议在clim中修改plt.imshow参数。例如：

import numpy as np

itk_img = SimpleITK.ReadImage(mhd_file) 
img_array = SimpleITK.GetArrayFromImage(itk_img)
plt.imshow(img_array[80], cmap=plt.cm.gray, clim=np.percentile(img_array, (1,99)))
plt.show()

plt.hist(img_array[80].flatten(), bins=80, color='c')
plt.xlabel("Value")
plt.ylabel("Frequency")
plt.show()

在上面的修改后的代码中，我只是将色图plt.cm.gray重新缩放为图像中值的1％到99％。您将需要处理这些百分位数，直到获得您喜欢的图像为止（这将取决于您正在可视化的解剖结构等因素）。您也可以使用直方图来帮助您做出决定。

您可以进一步修改cmap和clim以实现非线性色彩映射，您可能希望再次依赖于要可视化的解剖结构。

Answer 2

.mhd / .mha文件中存储的值已经是HU值。您在想的是图像查看器的Window and Level，它将HU值重新映射为可以在监视器上显示的像素值。

我不建议重新调整文件本身中的值，因为那样会导致信息丢失。相反，我建议下载一个能够显示图像的程序，例如ITK-Snap和/或MeVisLab，该程序可让您调整窗口和水平

Answer 3

我也想说些什么。我还处理dicom /诊断图像，分析和ML。

要特别说明的关键点（我假设您知道这一点，而其他答复则暗含了该知识）是这些图像（您使用的是CT，但对MR和其他模态同样适用）是图像数据本身为16位。（即值范围超过65,536个值集，而不是像8位数据一样为256个值）。

有两个重要的观点：

对于任何机器学习/分析，您您必须使用16位数据，而不是任何8位表示形式。我说“必须”是因为 a）如果您不这样做，那么您将失去数据中的大多数信息b）（CT的）特定值具有临床意义，并且c）您将不会如果您不使用16位数据，则希望获得任何临床监管批准/使用/测试/验证
如果要可视化数据，则需要将其转换为（通常）8位降采样的版本-即以某种方式将其表示为256个离散值而不是65k。

您在上面所做的就是试图可视化整个16位数据集（这意味着以某种方式下采样到256个灰度值）。

默认情况下，对于16位数据，matplotlib imshow会将灰度限制设置为数据的最小值和最大值。几乎可以肯定（见下文）不会为您提供想要的图像，或者对任何人都有用。

要获得所需的图像视图，您需要将vmin / vmax传递给imshow（）来告诉matplotlib最小和最大灰度值（即，什么值是黑色，什么是白色）：

vmin = -100
vmax = 200
plt.imshow(img_array, cmap='gray', vmin=vmin, vmax=vmax)

# or if you're using window/level:
window = 300
level = 100
vmin = level - window/2
vmax = level + window/2
plt.imshow(img_array, cmap='gray', vmin=vmin, vmax=vmax)

我几乎可以肯定地说，因为在CT图像中，图像中大多数扫描仪的最小值为-3000（或等效的非常低的值）。这是因为，虽然空气的HU值为-1000，但扫描仪的视场为圆形，因此可以获取图像数据。在该FOV之外，他们将数据设置为此“低”值，以指示它不是实际的实际扫描数据。您可以在图像here中看到这一点，那里有物体，身体外面的空气（中间灰度值--1000 HU附近），然后是该圆形区域之外的黑色值（可能是大约-3000 HU）。

如何调整.mhd文件的查看窗口，以更好地查看医学图像？

3 个答案: