Dane obrazowe

Analiza obrazów biomedycznych w Pythonie

Stephen Bailey

Instructor

Obrazowanie biomedyczne: ponad stulecie odkryć

$$1895$$

Wilhelm Röntgen. - [1], domena publiczna, https://commons.wikimedia.org/w/index.php?curid=5059748

$$2017$$

Mikael Häggström - praca własna, CC0, https://commons.wikimedia.org/w/index.php?curid=61722886

Przepływ pracy z obrazem

Zestaw narzędzi

import imageio.v2 as imageio
im = imageio.imread('body-001.dcm')

type(im)

imageio.core.Image

im

Image([[125, 135, ..., 110],
       [100, 130, ..., 100],
        ...,
       [100, 150, ..., 100]], 
          dtype=uint8)

im[0, 0]

im[0:2, 0:2]

Image([[125, 135],
       [100, 130]], 
       dtype=uint8)

im.meta

im.meta['Modality']

im.meta.keys()

Dict([('StudyDate', '2017-01-01'),
      ('Modality', 'MR'),
      ('PatientSex', F),
      ...
      ('shape', (256, 256)])

'MR'

odict_keys(['StudyDate', 
            'SeriesDate', 
            'PatientSex',
             ...
             'shape'])

Funkcja imshow() z Matplotlib wyświetla dane obrazu 2D
Dostępnych jest wiele map kolorów, lecz często używa się skali szarości (cmap='gray')
Znaczniki i etykiety osi zazwyczaj nie są przydatne dla obrazów

import matplotlib.pyplot as plt

plt.imshow(im, cmap='gray')

plt.axis('off')

plt.show()

przekrój wieńcowy

Analiza obrazów biomedycznych w Pythonie