หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

ถอดรหัสไฟล์ DICOM สำหรับภาพทางการแพทย์

ดูใน TensorFlow.org เรียกใช้ใน 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 NIH Chest X-ray

ชุดข้อมูลเอกซเรย์ทรวงอกของ NIH ประกอบด้วยภาพเอ็กซเรย์ทรวงอกจำนวน 100,000 ภาพในรูปแบบ PNG ซึ่งจัดทำโดย NIH Clinical Center และสามารถดาวน์โหลดได้จาก ลิงก์ นี้

Google Cloud ยังมีรูปภาพเวอร์ชัน DICOM ซึ่งมีอยู่ใน Cloud Storage

ในบทช่วยสอนนี้คุณจะดาวน์โหลดไฟล์ตัวอย่างของชุดข้อมูลจากที่เก็บ GitHub

  • Xiaosong Wang, Yifan Peng, Le Lu, Zhiyong Lu, Mohammadhadi Bagheri, Ronald Summers, ChestX-ray8: ฐานข้อมูลเอกซเรย์ทรวงอกในระดับโรงพยาบาลและเกณฑ์มาตรฐานเกี่ยวกับการจำแนกประเภทที่มีการควบคุมอย่างอ่อนแอและการแปลเฉพาะโรคทรวงอกทั่วไป IEEE CVPR หน้า 3462 -3471, 2560
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    0   164    0     0    602      0 --:--:-- --:--:-- --:--:--   602
100 1024k  100 1024k    0     0  1679k      0 --:--:-- --:--:-- --:--:-- 12.0M
-rw-rw-r-- 1 kbuilder kokoro 1049332 Oct 27 16:24 dicom_00000001_000.dcm

ติดตั้งแพ็กเกจที่ต้องการและรีสตาร์ทรันไทม์

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');
Text(0.5, 1.0, 'lossy image')

png