דף זה תורגם על ידי Cloud Translation API.
Switch to English

פענוח DICOM קבצים עבור הדמיה רפואית

צפה על TensorFlow.org הפעל ב Google Colab מקור צפה על GitHub מחברת להורדה

סקירה כללית

מופעים הדרכה זו כיצד להשתמש tfio.image.decode_dicom_image ב TensorFlow IO לפענח DICOM קבצים עם TensorFlow.

התקנה ושימוש

תמונת הורדת DICOM

התמונה DICOM המשמש הדרכה זו היא מן הנתונים רנטגן חזה NIH .

מערך הנתונים של NIH חזה רנטגן מורכב 100,000 תמונות דה-מזוהה של צילומי רנטגן בפורמט PNG, שמספק המרכז הקליני NIH וניתן להוריד דרך הקישור הזה .

Google Cloud מספק גם גרסת DICOM של התמונות, זמינה לאחסון בענן .

במדריך זה, תוכלו להוריד קובץ מדגם של בסיס הנתונים מן ריפו GitHub

  • Xiaosong וואנג, Yifan פנג, Le Lu, ג'י-יונג Lu, Mohammadhadi באגהרי, רונלד סאמרס, ChestX-ray8: היקף החולים חזה רנטגן Database ו- Benchmarks חלושות-בפיקוח סיווג ולוקליזציה של מחלות Thorax נפוצות, IEEE CVPR, עמ 3462. -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

התקן חבילות נדרשות, ואת ריצה מחדש

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

תמונת DICOM Decode

 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