หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

ถอดรหัสไฟล์ DICOM เพื่อการถ่ายภาพทางการแพทย์

ดูบน TensorFlow.org ทำงานใน Google Colab ดูแหล่งที่มาบน GitHub ดาวน์โหลดสมุดบันทึก

ภาพรวม

บทช่วยสอนนี้แสดงวิธีใช้ tfio.image.decode_dicom_image ใน TensorFlow IO เพื่อถอดรหัสไฟล์ DICOM ด้วย TensorFlow

การตั้งค่าและการใช้งาน

ดาวน์โหลดภาพ DICOM

ภาพ DICOM ที่ใช้ในบทช่วยสอนนี้มาจาก ชุดข้อมูล X-ray ของ NIH Chest

ชุดข้อมูล X-ray ของ NIH Chest ประกอบไปด้วยภาพรังสีเอ็กซ์เรย์ทรวงอก 100,000 ภาพในรูปแบบ PNG ซึ่งจัดทำโดยศูนย์คลินิก NIH และสามารถดาวน์โหลดผ่าน ลิงค์ นี้

Google Cloud ยังมีรูปภาพ DICOM ให้บริการใน Cloud Storage

ในบทช่วยสอนนี้คุณจะดาวน์โหลดไฟล์ตัวอย่างของชุดข้อมูลจาก GitHub repo

  • Xiaosong Wang, Yifan Peng, Le Lu, Zhiyong Lu, Mohammadhadi Bagheri, Ronald Summers, ChestX-ray8: ฐานข้อมูลเอ็กซ์เรย์ทรวงอกในโรงพยาบาลและมาตรฐานการจำแนกที่อ่อนแอภายใต้การดูแลของ IEEE CVPR, PP 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

ติดตั้งแพคเกจที่จำเป็นและรีสตาร์ทรันไทม์

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

ถอดรหัสภาพ DICOM

 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