This page was translated by the Cloud Translation API.
Switch to English

মেডিকেল ইমেজিংয়ের জন্য ডিকোড ফাইলগুলি ডিকোড করুন

টেনসরফ্লো.আর.জে দেখুন গুগল কোলাবে চালান গিটহাবের উত্স দেখুন নোটবুক ডাউনলোড করুন

সংক্ষিপ্ত বিবরণ

এই টিউটোরিয়ালটি tfio.image.decode_dicom_image ফাইলগুলি ডিকোড করতে কীভাবে tfio.image.decode_dicom_image ব্যবহার করবেন তা দেখায়।

সেটআপ এবং ব্যবহার

DICOM চিত্রটি ডাউনলোড করুন

এই টিউটোরিয়ালে ব্যবহৃত DICOM চিত্রটি এনআইএইচ বক্ষ এক্স-রে ডেটাসেটের

এনআইএইচ চেস্ট এক্স-রে ডেটাসেটে পিএনজি ফর্ম্যাটে বুকের এক্স-রে এর 100,000 ডি-চিহ্নিত চিত্র রয়েছে যা এনআইএইচ ক্লিনিকাল সেন্টার দ্বারা সরবরাহ করা হয়েছিল এবং এই লিঙ্কের মাধ্যমে ডাউনলোড করা যেতে পারে।

গুগল ক্লাউড চিত্রগুলির একটি ডিকম সংস্করণ সরবরাহ করে যা ক্লাউড স্টোরেজে পাওয়া যায়।

এই টিউটোরিয়ালে, আপনি গিটহাব রেপো থেকে ডেটাসেটের একটি নমুনা ফাইল ডাউনলোড করবেন

  • জিয়াওসং ওয়াং, ইয়িফান পেং, লে লু, ঝিয়ং লু, মোহাম্মদহাদি বাঘেরি, রোনাল্ড সামার্স, চেস্টএক্স-রে 8: হাসপাতালের স্কেল বুকের এক্স-রে ডেটাবেস এবং বেঞ্চমার্কগুলি দুর্বল-তত্ত্বাবধানে শ্রেণিবিন্যাস এবং সাধারণ থোরাক্স ডিজিজের স্থানীয়করণ, আইইআইই সিভিপিআর, পিপি ৩৪২২ -3471, 2017
curl -OL https://github.com/tensorflow/io/raw/master/docs/tutorials/dicom/dicom_00000001_000.dcm
ls -l dicom_00000001_000.dcm
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100   164  100   164    0     0    611      0 --:--:-- --:--:-- --:--:--   611
100 1024k  100 1024k    0     0  1644k      0 --:--:-- --:--:-- --:--:--  9.7M
-rw-rw-r-- 1 kbuilder kokoro 1049332 Jul 28 18:17 dicom_00000001_000.dcm

প্রয়োজনীয় প্যাকেজ ইনস্টল করুন এবং রানটাইম পুনরায় চালু করুন

 try:
  # Use the Colab's preinstalled TensorFlow 2.x
  %tensorflow_version 2.x 
except:
  pass
 
pip install -q tensorflow-io

ডিকোড DICOM চিত্র

 import matplotlib.pyplot as plt
import numpy as np

import tensorflow as tf
 
 import tensorflow_io as tfio

image_bytes = tf.io.read_file('dicom_00000001_000.dcm')

image = tfio.image.decode_dicom_image(image_bytes, dtype=tf.uint16)

skipped = tfio.image.decode_dicom_image(image_bytes, on_error='skip', dtype=tf.uint8)

lossy_image = tfio.image.decode_dicom_image(image_bytes, scale='auto', on_error='lossy', dtype=tf.uint8)


fig, axes = plt.subplots(1,2, figsize=(10,10))
axes[0].imshow(np.squeeze(image.numpy()), cmap='gray')
axes[0].set_title('image')
axes[1].imshow(np.squeeze(lossy_image.numpy()), cmap='gray')
axes[1].set_title('lossy image');
 

PNG