Imagini N-dimensionale

Analiza imaginilor biomedicale în Python

Stephen Bailey

Instructor

Imagini de toate formele și dimensiunile

im[row, col]

radiografie picior

Imagini de toate formele și dimensiunile

vol[pln, row, col]

GIF corp uman

Imagini de toate formele și dimensiunile

im[row, col, ch]

celulă RGB

Imagini de toate formele și dimensiunile

im_ts[time, row, col, ch]

video celulă

Imaginile N-dimensionale sunt stive de tablouri

stivă de imagini ușor decalate

import imageio.v2 as imageio
import numpy as np

im1=imageio.imread('chest-000.dcm')
im2=imageio.imread('chest-001.dcm')
im3=imageio.imread('chest-002.dcm')

im1.shape

(512, 512)

vol = np.stack([im1, im2, im3])

vol.shape

(3, 512, 512)

Încărcarea directă a volumelor

imageio.volread():

citește date multidimensionale direct
asamblează un volum din mai multe imagini

import os
os.listdir('chest-data')

['chest-000.dcm', 
 'chest-001.dcm', 
 'chest-002.dcm',
 ..., 
 'chest-049.dcm']

import imageio.v2 as imageio
vol = imageio.volread('chest-data', format='DICOM')

vol.shape

(50, 512, 512)

Formă, eșantionare și câmp vizual

Forma imaginii: numărul de elemente pe fiecare axă

import imageio.v2 as imageio
vol = imageio.volread(
            'chest-data', format='DICOM')
# Forma imaginii (în voxeli)
n0, n1, n2 = vol.shape
n0, n1, n2

(50, 512, 512)

Câmpul vizual: spațiul fizic acoperit pe fiecare axă

Rata de eșantionare: spațiul fizic acoperit de fiecare element

# Rata de eșantionare (în mm)
d0, d1, d2 = vol.meta['sampling']
d0, d1, d2

(2, 0.5, 0.5)

# Câmpul vizual (în mm)
n0 * d0, n1 * d1, n2 * d2

(100, 256, 256)

Să exersăm!

Analiza imaginilor biomedicale în Python