深度学习下的医学图像分析（一）

本篇文章2457字，读完约6分钟

雷锋。这篇文章是由图普科技从医学影像分析与深度学习和雷锋编辑的。(公开号码:雷锋。com)以独占方式启动。

近年来，深度学习技术一直处于科学研究的前沿。通过深入学习，我们开始分析图像和视频，并将它们应用到各种设备中，如无人驾驶飞行器等。

艺术风格的神经算法是一篇新发表的研究论文，它向我们介绍了如何将一个艺术家的风格和气质转化为一个图像，然后再创造另一个新的图像。其他论文，如生成对抗网络和瓦瑟斯坦甘，已经为开发模型铺平了道路，这种模型可以创建类似于输入数据的新数据。因此，“半监督学习”的世界之门已经打开，“无监督学习”的发展在未来将会更加顺畅。

尽管这些研究的对象仅限于普通图像，但我们的目标是将这些研究应用于医学图像，并帮助医疗保健的发展。在本文中，我将从图像处理和医学图像格式数据开始，并可视化一些医学数据。在下一篇文章中，我将深入分析一些卷积神经网络，并将它们与keras相结合来预测肺癌。

Opencv(开源计算机视觉库)使用python进行基本的图像处理，在众多图像处理库中脱颖而出，凭借其强大的社区支持以及与c++、java和python的兼容性，成为图像处理库的主流。

现在，打开你的jupyter笔记本，确保cv2可以导入到笔记本中。您还需要numpy和matplotlib来查看笔记本中的详细信息。

现在，让我们看看你是否可以打开图片，用下面的代码在你的笔记本上查看图片。

基本人脸检测接下来，我们将播放一些有趣的东西——人脸检测。我们将使用开源正面人脸检测器进行人脸检测，它最初是由rainer lienhart创建的。下面的帖子详细介绍了级联检测的细节:

在以下文档中有很多使用opencv进行图像处理的例子(点击链接查看文档文档。opencv/trunk/D6/d00/tutorial _ py _ root)，读者可以随意查看。在了解了基本的图像处理之后，我们将开始了解“医学图像格式”。

医学图像数据格式医学图像与dicom一样，是存储和交换医学图像数据的标准解决方案。自1985年第一版发布以来，本标准已经过多次修订。该标准使用文件格式和通信协议。

文件格式-所有患者的医学图像都以dicom文件格式保存。这种格式保留了受保护的患者健康信息，如患者的姓名、性别、年龄和一些医学图像数据。医学成像设备创建的dicom文件。医生使用dicom阅读器和能够显示dicom图像的计算机软件应用程序来查看医学图像并根据图像信息进行诊断。

通信协议——DICOM通信协议用于在档案中搜索图像研究，并恢复和显示图像研究。所有连接到医院网络的医学成像应用都将使用dicom协议来交换信息，其中大部分是dicom图像，但也包括一些患者信息和治疗计划。对于控制和跟踪操作、调度操作、报告状态以及在医生和成像设备之间分担工作量，也有一些网络要求。

以下博客详细介绍了dicom标准:

分析dicom图像pydicom是一个很好的分析dicom图像的python工具包。在本节中，我们将看到dicom图像是如何在jupyter笔记本中呈现的。

使用pip安装pydicom下载并安装opencv

安装完pydicom工具包后，返回jupyter笔记本。将下图中的dicom工具包和其他工具包导入您的笔记本。

在处理和分析数据时，我们还将使用其他工具包，如熊猫、scipy、skimage和mpl_toolkit等。

互联网上有许多免费的dicom数据库，以下数据库可能会对您有所帮助:

卡格尔竞赛和数据库:这是我个人最喜欢的数据库。有关于肺癌和糖尿病视网膜病变的数据。

Dicom数据库:dicom数据库是一个免费的在线医学dicom图像或视频共享服务器，主要面向教学和科研。

Osirix数据库:该数据库为我们提供了通过各种成像方法获得的大量人体数据。

可视化人类数据集:“可视化人类计划”的某些部分分布在该数据集内，但该数据集内的数据需要收费。

Zubal Phantom:这个网站提供了两个人的ct和mri图像的多个数据库。

下载dicom文件并上传到你的jupyter笔记本。

现在，将dicom图像加载到列表中。

第一步:在jupyter笔记本上查看dicom图像

在第一行，我们加载第一个dicom文件，然后提取列表中第一个文件名的元数据。

接下来，我们需要计算3dnumpy数组的总维数，它等于胶片中像素的行数x，胶片中像素的列数x，以及x，y，z，y和z轴。最后，我们需要使用“像素空房间”和“光滑度”来计算三个轴上像素之间的距离。我们需要在constpixeldims中保存数组维度，在constpixelspacing中保存空。

步骤2:进一步研究dicom格式的细节。ct扫描测量的单位是测量放射性密度的胡斯菲尔德单位。为了获得准确的测量结果，ct扫描仪经过了严格的校准。以下是ct扫描测量的细节:

每个像素被分配一个数值(ct数)，它是相应体素中所有衰减值的平均值。这个数字与水的衰减值进行比较，并显示在一个任意单位的标度上，该单位称为husfield Unit(胡)，以戈弗雷·豪恩菲尔德命名。

这个任意单位的刻度将水的衰减值设置为零。ct数的范围是2000hu，尽管一些现代扫描仪的hu范围是4000。每个值代表一个灰色阴影，光谱两端分别为+1000白色和-1000黑色。

胡斯菲尔德量表(ct简介图片)

有些扫描仪有圆柱形扫描边界，但它们的输出图像实际上是正方形的。扫描边界之外的像素将被赋予-2000的固定值。

计算机断层扫描仪图像(计算机断层扫描仪简介中的图片)

第一步通常是将这些值设置为零。然后，我们将获得的值乘以重新调整的斜率，加上截距(通常记录在扫描的元数据中)，然后返回到hu单位。

在下一部分，我们将使用kaggle的肺癌数据库和keras的卷积神经网络。我们将根据本文提供的信息构建下一部分的内容。

雷锋的特别贡献。严禁擅自转载。详情请参考转载说明。