Hướng dẫn how to extract metadata from dicom image python - cách trích xuất siêu dữ liệu từ python hình ảnh dicom

Khi trình xem hình ảnh của tôi sẽ tải một bộ dữ liệu CT cụ thể, tôi đã bị ảnh hưởng bởi các lỗi nói với tôi rằng tôi đã thiếu thông tin hình học, nhìn vào siêu dữ liệu liên quan đến hình ảnh DICOM hoàn toàn áp đảo tôi. Đối với những người không quen thuộc, số lượng các trường siêu dữ liệu theo ủy ban tiêu chuẩn DICOM chính thức có khoảng 3700, không bao giờ các trường tùy chỉnh mà bất kỳ ai khác có thể thêm vào! Như một giảng viên tôi nhớ lại đã nói:

Hình ảnh của Dic Dicom có ​​tên bệnh nhân, ngày quét, độ phân giải hình ảnh, tên bác sĩ và những gì bác sĩ có cho bữa sáng.

Tuy nhiên, một số trong số này thực sự được yêu cầu/yêu cầu có điều kiện để đủ điều kiện là tệp DICOM và tải thành công vào trình xem DICOM.

Trên hết, trong thế kỷ 21, chúng ta rất có thể sử dụng các kỹ thuật chụp cắt lớp cung cấp cho chúng ta dữ liệu 3 chiều trở lên, vì các tệp DICOM chỉ đại diện Trong số các trường siêu dữ liệu này phải tương quan với nhau!

PYDICOM

Pydicom là gói bạn muốn cho tất cả các chỉnh sửa trường siêu dữ liệu DICOM của bạn (có thể nhiều hơn nhưng tôi đã không cần nó cho bất cứ điều gì khác). Vì vậy, hãy tiếp tục và bắt đầu với một bản cài đặt PIP nhanh:

$ pip install pydicom

Giống như bất kỳ gói Python nào khác, chúng tôi cần nhập nó để sử dụng nó:

>>> import pydicom

Tải dữ liệu DICOM (DS):

>>> ds = pydicom.filereader.dcmread(filepath)

In tất cả siêu dữ liệu: (ví dụ)

>>> print(ds)
(0008, 0008) Image Type                          CS: ['DERIVED', 'SECONDARY']
(0008, 0015) Instance Coercion DateTime          DT: ''
(0008, 0016) SOP Class UID                       UI: Secondary Capture Image Storage
(0008, 0020) Study Date                          DA: '20190405'
(0008, 0030) Study Time                          TM: '150613'
(0008, 0050) Accession Number                    SH: ''
(0008, 0060) Modality                            CS: ''
(0008, 0070) Manufacturer                        LO: ''
(0008, 0090) Referring Physician's Name          PN: "Referring Physician's Name"
(0008, 1030) Study Description                   LO: ''
(0008, 103e) Series Description                  LO: 'CT'
(0010, 0010) Patient's Name                      PN: 'Name'
(0010, 0020) Patient ID                          LO: 'ID'
(0010, 0030) Patient's Birth Date                DA: ''
(0010, 0040) Patient's Sex                       CS: ''
(0018, 0050) Slice Thickness                     DS: "1.000000"
(0018, 0088) Spacing Between Slices              DS: "1.000000"
(0018, 1030) Protocol Name                       LO: ''
(0020, 0010) Study ID                            SH: ''
(0020, 0011) Series Number                       IS: ''
(0020, 0032) Image Position (Patient)            DS: ['0.000000', '0.000000', '0.000000']
...

Xem các trường riêng lẻ và các trường cài đặt thành các giá trị mới:

# Viewing Field
>>> print(ds.PatientName)
'Name'
# Setting field to new value
>>> ds.PatientName = 'NewName'
>>> print(ds.PatientName)
'NewName'

Thẻ DICOM

Có thể lưu ý rằng mọi trường đều có mã riêng lẻ (0000, 0000), được gọi là thẻ. Bốn số đầu tiên biểu thị nhóm trường (ví dụ: 0010 = bệnh nhân) và bốn thứ 2 biểu thị ‘phần tử. Các số riêng lẻ của 4 thẻ được đánh số là thập lục phân, vì vậy thay vì nhận các giá trị từ 0 Nott9 đến trung bình 0 ,9, chúng có thể mở rộng ra để đảm nhận các giá trị lên đến 15 bằng cách bao gồm 6 chữ cái đầu tiên của bảng chữ cái. Bạn có thể tra cứu các thẻ tiêu chuẩn này.

Chúng ta có thể sử dụng các thẻ này thay vì tên để thay đổi các trường trong đó 0x trong Python biểu thị việc chuyển đổi giá trị thành thập lục phân.

# Viewing Tag
>>> print(ds[0x10,0x10])
'Name'
# Setting tag to new value
>>> ds[0x10,0x10].value = 'NewName'
>>> print(ds[0x100010])
'NewName'

Lưu ý các cách khác nhau mà tham chiếu thập lục phân có thể được thực hiện.

Đôi khi bạn có thể muốn thêm một thẻ, chúng tôi có thể tự thêm các trường mới bằng cách sử dụng hàm được chỉ định dataset.add_new(tag, VR, value). Tại thời điểm này, chúng ta cần hiểu thêm một chút về các yếu tố DICOM của chúng ta, cụ thể là ‘VR, viết tắt của biểu diễn giá trị, cho độ phân giải không gian, những điều này mang lại phao và do đó có VR của DS (chuỗi thập phân). Luôn luôn chắc chắn để tìm kiếm thẻ của bạn!look up your tags!

>>> ds.add_new('0x181050', 'DS', ['1.000000', '1.000000', '1.000000'])
>>> ds[0x181050]
(0018, 1050) Spatial Resolution               DS: ['1.000000', '1.000000', '1.000000']

Ví dụ trường hợp: Thiếu vị trí lát cắt

Vì vậy, trong trường hợp của tôi, tôi đã có các vấn đề về hình học trong đó tệp DICOM đầu tiên của chuỗi hình ảnh 3D của tôi bị thiếu thẻ vị trí lát cắt lát (0020,) mà mọi trường khác đã có và dẫn đến khối lượng của tôi được tải sai. Trên hết, nó dường như cũng thiếu một thẻ định hướng hình ảnh (bệnh nhân) (0020, 0037) không thay đổi cho mỗi hình ảnh và vẫn ổn khi duy trì giá trị [1, 0, 0, 0, 1 , 0]. Vì vậy, tóm tắt:

1. Vị trí lát cần phải được thêm vào hình ảnh DICOM đầu tiên.
2. Định hướng hình ảnh (bệnh nhân) cho mỗi hình ảnh DICOM trong chuỗi với giá trị cố định.

Rất cám ơn những người sáng tạo và người đóng góp của Pydicom! Đây không phải là cách thay thế tài liệu Pydicom có ​​thể được tìm thấy tại https://pydicom.github.io/pydicom/stable/pydicom_user_guide.html

Làm thế nào để tôi có được siêu dữ liệu dicom?

Làm cách nào để đọc một tiêu đề DICOM trong Python?

Làm cách nào để đọc một tệp DICOM trong Python?

Làm cách nào để chỉnh sửa siêu dữ liệu dicom?