DICOM CT\MR片子免费在线查看工具；python pydicom包加载查看；mayavi 3d查看

news2024/9/20 22:24:38

DICOM CT\MR片子免费在线查看工具

参考：
https://zhuanlan.zhihu.com/p/668804209

dicom格式：

DICOM（Digital Imaging and Communications in Medicine）是医学数字成像和通信的标准。它定义了医学图像（如CT、MRI、X光等）的格式以及如何在不同的医疗设备之间传输这些图像。DICOM标准由美国放射学院（ACR）和国家电气制造商协会（NEMA）共同开发，旨在促进医学图像的互操作性和数据交换。

DICOM的主要特点
图像格式：DICOM定义了一种标准的图像文件格式，包含了图像数据以及相关的元数据（如患者信息、扫描参数等）。

通信协议：DICOM标准还包括了用于在医疗设备之间传输图像和相关数据的通信协议。

互操作性：DICOM确保了不同制造商的医疗设备能够相互通信和交换数据，从而提高了医疗图像的可用性和可访问性。

安全性：DICOM标准也考虑了数据的安全性，包括用户认证、数据加密和完整性检查等。

在这里插入图片描述

片子下载的zip压缩包里面文件大概格式：
在这里插入图片描述

1）imaios

https://www.imaios.com/cn/imaios-dicom-viewer
在这里插入图片描述

2）小赛看看

https://xiaosaiviewer.com/
在这里插入图片描述

python pydicom加载查看

安装软件：


 pip install pydicom 
 ##图像压缩工具
pip install gdcm
pip install pylibjpeg pylibjpeg-libjpeg pylibjpeg-openjpeg

import pydicom
import matplotlib.pyplot as plt
import numpy as np


# 加载DICOM文件
dcm_file = pydicom.dcmread(r"C:\Users\loong\Downloads\***593708.311059.dcm")

# 获取像素数据
pixel_array = dcm_file.pixel_array

# 显示图像
plt.imshow(pixel_array, cmap=plt.cm.bone)
plt.axis('off')
plt.show()

# 打印一些DICOM标签信息
print(f"Patient's Name: {dcm_file.PatientName}")
print(f"Modality: {dcm_file.Modality}")
print(f"Study Date: {dcm_file.StudyDate}")

在这里插入图片描述

其他方法：
SimpleITK

import SimpleITK as sitk
import matplotlib.pyplot as plt

# 读取DICOM文件
reader = sitk.ImageSeriesReader()
dicom_names = reader.GetGDCMSeriesFileNames("path/to/dicom/directory")
reader.SetFileNames(dicom_names)
image = reader.Execute()

# 转换为numpy数组
array = sitk.GetArrayFromImage(image)

# 显示中间切片
middle_slice = array[array.shape[0]//2]
plt.imshow(middle_slice, cmap='gray')
plt.axis('off')
plt.show()

mayavi 3d查看

pip install mayavi  configobj

import pydicom
import numpy as np
from mayavi import mlab
import os

# 读取DICOM系列
dicom_folder = r"C:\Users\loong\Downloads\unknown"
slices = [pydicom.dcmread(os.path.join(dicom_folder, s)) for s in os.listdir(dicom_folder)]
slices.sort(key = lambda x: float(x.ImagePositionPatient[2]))

# 创建3D numpy数组
img_shape = list(slices[0].pixel_array.shape)
img_shape.append(len(slices))
img3d = np.zeros(img_shape)

for i, s in enumerate(slices):
    img2d = s.pixel_array
    img3d[:,:,i] = img2d

# 使用mayavi显示3D图像
mlab.contour3d(img3d, contours=10, transparent=True)
mlab.show()