इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

चिकित्सा इमेजिंग के लिए डिकोड डीआईसीओएम फाइलें

TensorFlow.org पर देखें Google Colab में चलाएं GitHub पर स्रोत देखें नोटबुक डाउनलोड करें

अवलोकन

यह ट्यूटोरियल दिखाता है कि TensorFlow IO में Tfio.image.decode_dicom_image का उपयोग कैसे करें tfio.image.decode_dicom_image साथ DICOM फ़ाइलों को डीकोड करने के लिए।

सेटअप और उपयोग

डाउनलोड DICOM छवि

इस ट्यूटोरियल में प्रयुक्त DICOM इमेज NIH चेस्ट एक्स-रे डेटासेट से है

NIH चेस्ट एक्स-रे डेटासेट में PNG फॉर्मेट में चेस्ट एक्स-रे की 100,000 डी-आइडेंटेड इमेज होती हैं, जो NIH क्लिनिकल सेंटर द्वारा प्रदान की जाती हैं और इस लिंक के माध्यम से डाउनलोड की जा सकती हैं।

Google मेघ छवियों का एक DICOM संस्करण भी प्रदान करता है, जो क्लाउड स्टोरेज में उपलब्ध है।

इस ट्यूटोरियल में, आप GitHub रेपो से डेटासेट का एक नमूना फ़ाइल डाउनलोड करेंगे

  • Xiaosong वैंग, Yifan पेंग, ले लू, Zyyong लू, Mohammadhadi Baghari, रोनाल्ड Summers, ChestX-ray8: अस्पताल-स्केल छाती एक्स-रे डेटाबेस और बेंचमार्क पर कमजोर-पर्यवेक्षित वर्गीकरण और स्थानीय थोरैक्स रोगों का स्थानीयकरण, IEEE CVPR, पीपी 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

आवश्यक पैकेज स्थापित करें, और रनटाइम पुनरारंभ करें

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

डिकोड छवि

 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