基于 PyQt5 和 Matplotlib 的医学图像处理应用开发

news2024/11/25 14:59:41

1. 引言

在医学领域，图像处理是一项非常重要的技术，特别是在医学成像（如MRI、CT扫描等）的数据处理上，可以帮助医生更加准确地进行诊断。本项目基于 Python 的 PyQt5 图形用户界面框架与 Matplotlib 数据可视化库，开发了一款简洁高效的 医学图像处理器。该应用能够读取 .nii.gz 格式的医学图像，并结合图像标签（标注的分割结果），以切片的形式进行可视化和处理，极大地方便了医学图像数据的查看和分析。

2. 项目架构与功能概述

项目采用模块化的设计，分为以下几个核心模块：

用户界面模块（UI）：基于 PyQt5，用于构建图形用户界面，支持文件夹选择、图像切片可视化、处理进度显示等功能。
图像处理模块：负责读取医学图像文件（NIfTI 格式），并对图像数据进行逐切片处理和存储。
美化模块：负责设置应用界面的风格，包括窗口背景、按钮样式、进度条等美观处理。
后台处理模块：使用 多线程 进行图像处理，确保UI界面在处理大批量数据时保持响应。

3. 代码分析

3.1 美化模块 `StyleManager`

为了让用户界面美观、现代化，我们创建了 StyleManager 类，统一管理整个应用的样式。通过此模块，能够轻松设置窗口背景的渐变色、按钮样式、进度条样式等。

class StyleManager:
    @staticmethod
    def set_main_window_style(window):
        current_hour = datetime.datetime.now().hour
        if 6 <= current_hour < 12:
            gradient_start, gradient_end = "#A1C4FD", "#C2E9FB"
        elif 12 <= current_hour < 18:
            gradient_start, gradient_end = "#C2E9FB", "#A1C4FD"
        elif 18 <= current_hour < 21:
            gradient_start, gradient_end = "#FDB99B", "#FF758C"
        else:
            gradient_start, gradient_end = "#1e3c72", "#2a5298"

        window.setStyleSheet(f"""
            background: qlineargradient(x1:0, y1:0, x2:1, y2:1, stop:0 {gradient_start}, stop:1 {gradient_end});
        """)

这个函数会根据不同的时间动态调整背景颜色，白天偏蓝色调，晚上则为深色调，给用户一种舒适的视觉体验。

此外，该类还提供了方法 set_button_style 和 set_progressbar_style 来美化按钮和进度条。

3.2 图像处理模块 `ImageProcessor`

ImageProcessor 继承自 QtCore.QThread，用于后台处理医学图像数据，保证在处理大量数据时不阻塞UI主线程。核心功能是逐切片读取患者的医学图像和标签数据，并将其保存为 .npz 文件。

class ImageProcessor(QtCore.QThread):
    slice_processed = QtCore.pyqtSignal(np.ndarray, np.ndarray, str, int)
    progress_updated = QtCore.pyqtSignal(int)
    process_completed = QtCore.pyqtSignal()

    def __init__(self, base_dir):
        super().__init__()
        self.base_dir = base_dir

    def run(self):
        output_dir = os.path.join(self.base_dir, 'output')
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)

        patients = [d for d in os.listdir(self.base_dir) if os.path.isdir(os.path.join(self.base_dir, d))]
        total_slices = 0
        for patient in patients:
            # 加载并处理图像
            # ...
            for slice_idx in range(num_slices):
                # 发射信号更新UI
                self.slice_processed.emit(image_slice, label_slice, patient, slice_idx + 1)
                progress = int(((slice_idx + 1) / total_slices) * 100)
                self.progress_updated.emit(progress)

        self.process_completed.emit()

在每个图像切片处理完毕时，slice_processed 信号会将图像和标签的切片数据发射给主线程用于显示，progress_updated 则实时更新进度条。

3.3 图像可视化模块 `ImageViewer`

ImageViewer 类构建了应用的主界面，并处理用户的交互操作。该类继承自 QtWidgets.QMainWindow，包含文件夹选择、进度条、图像和标签显示等功能。核心功能如下：

5. 结论

本项目展示了如何使用 PyQt5 创建交互式图形用户界面，结合 Matplotlib 实现图像可视化处理。同时，通过 多线程 保证了大数据量处理时界面的流畅响应，用户可以实时查看处理进度和图像数据。

如果您正在处理医学图像数据，或者需要开发类似的图像处理应用，本项目将为您提供有价值的参考和灵感。

选择文件夹并处理图像：用户点击按钮选择患者数据文件夹，之后启动图像处理线程。
实时更新进度条：通过捕捉线程发射的 progress_updated 信号，实时更新处理进度。
显示图像切片：使用 Matplotlib 将医学图像切片和对应标签显示在UI中。

def start_processing(self):
    if hasattr(self, 'base_dir'):
        self.process_button.setEnabled(False)
        self.status_label.setText("正在处理，请稍等...")

        # 创建后台线程处理图像
        self.thread = ImageProcessor(self.base_dir)
        self.thread.slice_processed.connect(self.display_slice)
        self.thread.progress_updated.connect(self.update_progress)
        self.thread.process_completed.connect(self.processing_done)
        self.thread.start()

def display_slice(self, image_slice, label_slice, patient, slice_num):
    self.ax_image.imshow(image_slice.T, cmap='gray', origin='lower')
    self.ax_image.set_title(f'{patient} - Image Slice {slice_num}')
    self.ax_label.imshow(label_slice.T, cmap='gray', origin='lower')
    self.ax_label.set_title(f'{patient} - Label Slice {slice_num}')
    self.canvas.draw()

start_processing 函数负责启动图像处理线程，而 display_slice 函数则更新当前显示的图像和标签切片。