pydicom和SimpleITK分别解析医学影像中dicom文件

首先，无论是pydicom还是SimpleITK都是需要事先导入到python中的库，如果使用的是pycharm IDE，可以先创建python3的虚拟环境，然后在虚拟环境下通过file-setting-Project interpreter ，在添加模块里面直接搜上述两个库的名称，点击安装即可。

pydicom提取单张dicom图像

　　

import pydicom
from matplotlib import pyplot

ds = pydicom.read_file('C:/Users/****/Desktop/CT000000.dcm')# DICOM文件的位置
print(ds.dir()) # 打印所有 DICOM TAG 名
print(ds.dir('Pixe')) # 打印包含 'pat' 的 DICOM TAG
print(ds.PatientName, ds.PatientSex, ds.PatientID, ds.PatientBirthDate, ds.PatientAge) # 打印 DICOM TAG 相应的属性值
print(ds.data_element('PatientName')) # 打印一个完整的数据元素，包括 DICOMTAG编码值（Group, Element）, VR, Value
print(ds.data_element('PatientID').VR, ds.data_element('PatientID').value)
pixel_bytes = ds.PixelData # 原始二进制文件

pix = ds.pixel_array       # 像素值矩阵
print(pix.shape) # 打印矩阵维度
pyplot.imshow(pix, cmap=pylab.cm.bone)
pyplot.show() # cmap 表示 colormap,可以是设置成不同值获得不同显示效果,打印dicom图片

 

注意，此时可能会报错，报错的地方是ds.pixel_array，原因是某些格式的dicom文件不能用pydicom提取，参考解答。

pydicom提取序列dicom图像

import pydicom
import numpy
from matplotlib import pyplot

# 用lstFilesDCM作为存放DICOM files的列表
PathDicom = "D:/dicom_image/V"  # 与python文件同一个目录下的文件夹
lstFilesDCM = []

# 将所有dicom文件读入
for diName, subdirList, fileList in os.walk(PathDicom):
    for filename in fileList:
        if ".dcm" in filename.lower():  # 判断文件是否为dicom文件
            print(filename)
            lstFilesDCM.append(os.path.join(diName, filename))  # 加入到列表中

## 将第一张图片作为参考图
RefDs = pydicom.read_file(lstFilesDCM[10])  # 读取第一张dicom图片
# print(RefDs)
# print(RefDs.pixel_array)
# print(RefDs.PatientPosition)
pyplot.imshow(RefDs.pixel_array, cmap=pyplot.cm.bone)
pyplot.show()

# 建立三维数组,分别记录长、宽、层数(也就是dicom数据个数)
ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFilesDCM))
print(ConstPixelDims)

# 得到spacing值 (mm为单位)
# PixelSpacing - 每个像素点实际的长度与宽度,单位(mm)
# SliceThickness - 每层切片的厚度,单位(mm)
ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))

# 三维数据
x = numpy.arange(0.0, (ConstPixelDims[0] + 1) * ConstPixelSpacing[0], ConstPixelSpacing[0])  # 0到（第一个维数加一*像素间的间隔），步长为constpixelSpacing
y = numpy.arange(0.0, (ConstPixelDims[1] + 1) * ConstPixelSpacing[1], ConstPixelSpacing[1])  #
z = numpy.arange(0.0, (ConstPixelDims[2] + 1) * ConstPixelSpacing[2], ConstPixelSpacing[2])  #
print(len(x),"xxxx")

ArrayDicom = numpy.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)

# 遍历所有的dicom文件，读取图像数据，存放在numpy数组中
for filenameDCM in lstFilesDCM:
    ds = pydicom.read_file(filenameDCM)
    ArrayDicom[:, :, lstFilesDCM.index(filenameDCM)] = ds.pixel_array


# 轴状面显示
# dpi是指每英寸的像素数,dpi越大,表示打印出来的图片越清晰。不是指图片的大小.
# 像素用在显示领域 分辨率用在打印领域 也就是你的图像是用来打印的时候才去考虑分辨率的问题
pyplot.figure(dpi=1000)
# 将坐标轴都变为同等长度
# pyplot.axes().set_aspect('equal', 'datalim')
pyplot.axes().set_aspect('equal')
# 将图片变为gray颜色
pyplot.set_cmap(pyplot.gray())

pyplot.imshow(ArrayDicom[:, :, 360])# 第三个维度表示现在展示的是第几层 
pyplot.show() 
56 # 冠状面显示 
pyplot.figure(dpi=100) 
pyplot.axes().set_aspect('equal', 'datalim') 
pyplot.set_cmap(pyplot.gray()) 
pyplot.imshow(ArrayDicom[:, 90, :])
pyplot.show()

 

SimpleITK打开单张dicom图像

　　

import SimpleITK as sitk
import numpy as np
from matplotlib import pyplot

file = sitk.ReadImage('C:/Users/****/Desktop/CT1227429.dcm')
print(file.GetSize())
print(file.GetOrigin()) # 坐标原点
print(file.GetSpacing()) # 像素间距
print(file.GetDirection()) # 方向
pixel_array = sitk.GetArrayFromImage(file) # 像素矩阵
print(pixel_array.shape) # 打印矩阵维度
image_array = np.squeeze(pixel_array)
print(image_array.shape) #
pyplot.imshow(image_array)
pyplot.show()

 

SimpleITK打开多张dicom图像

reader = sitk.ImageSeriesReader()
reader.MetaDataDictionaryArrayUpdateOn()#这一步是加载公开的元信息
reader.LoadPrivateTagsOn()#这一步是加载私有的元信息
series_IDs = sitk.ImageSeriesReader.GetGDCMSeriesIDs(directorypath)#根据文件夹获取序列ID,一个文件夹里面通常是一个病人的所有切片，会分为好几个序列
dicom_names = reader.GetGDCMSeriesFileNames( directorypath,series_ID)#选取其中一个序列ID,获得该序列的若干文件名
reader.SetFileNames(dicom_names)#设置文件名
image3D = reader.Execute()#读取dicom序列
# 通过切片的索引来读取属于该切片的键，然后通过切片索引与键获取相应的值
reader.GetMetaDataKeys(slice_index)
reader.GetMetaData(slice_index,key)