ภาพ N มิติ

การวิเคราะห์ภาพทางชีวการแพทย์ด้วย Python

Stephen Bailey

Instructor

ภาพหลากหลายรูปแบบและขนาด

im[row, col]

ภาพเอกซเรย์เท้า

ภาพหลากหลายรูปแบบและขนาด

vol[pln, row, col]

ภาพเคลื่อนไหวของร่างกาย

ภาพหลากหลายรูปแบบและขนาด

im[row, col, ch]

ภาพเซลล์แบบ RGB

ภาพหลากหลายรูปแบบและขนาด

im_ts[time, row, col, ch]

วิดีโอการแบ่งเซลล์

ภาพ N มิติคือการซ้อนอาร์เรย์หลายชั้น

ภาพหลายชั้นเรียงซ้อนกัน

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)

โหลด volume โดยตรง

imageio.volread():

อ่านข้อมูลหลายมิติโดยตรง
รวมภาพหลายไฟล์เป็น volume เดียว

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)

รูปร่าง อัตราการสุ่มตัวอย่าง และ field of view

รูปร่างของภาพ: จำนวนองค์ประกอบในแต่ละแกน

import imageio.v2 as imageio
vol = imageio.volread(
            'chest-data', format='DICOM')
# Image shape (in voxels)
n0, n1, n2 = vol.shape
n0, n1, n2

(50, 512, 512)

Field of view: พื้นที่จริงที่ครอบคลุมในแต่ละแกน

อัตราการสุ่มตัวอย่าง: พื้นที่จริงที่แต่ละองค์ประกอบครอบคลุม

# Sampling rate (in mm)
d0, d1, d2 = vol.meta['sampling']
d0, d1, d2

(2, 0.5, 0.5)

# Field of view (in mm)
n0 * d0, n1 * d1, n2 * d2

(100, 256, 256)

มาฝึกกันเถอะ!

การวิเคราะห์ภาพทางชีวการแพทย์ด้วย Python