医学图像肝脏分割(一)

医学图像肝脏分割(一)

    预处理是肝脏分割重要的一步，良好的预处理过程可以有效的提高分割的准确度。此博文主要记录肝脏分割过程中常见的预处理方法及相关代码。

一、标准的预处理过程

1、Kaggle LUNA16 competition preprocessing-tutorial

二、截取像素

# 截取像素
image[image< -200] = -200  # 参考 H-DenseUNet 网络
image[image> 250] = 250      

三、Dicom格式将ct值转化为标准的hu值

    def get_pixel_hu(scan):img = scan.pixel_arrayimg = img.astype(np.int16)      # Convert to Hounsfield units (HU)intercept = scan.RescaleInterceptslope = scan.RescaleSlope    if slope != 1:img = slope * img.astype(np.float64)img = img.astype(np.int16)img += np.int16(intercept)return np.array(img, dtype=np.int16)

四、CT图像窗宽窗位调整

def transform_ctdata(image, windowWidth, windowCenter, normal=False):"""注意，这个函数的self.image一定得是float类型的，否则就无效！return: trucated image according to window center and window width"""minWindow = float(windowCenter) - 0.5*float(windowWidth)newimg = (image - minWindow) / float(windowWidth)newimg[newimg < 0] = 0newimg[newimg > 1] = 1if not normal:newimg = (newimg * 255).astype('uint8')return newimg# set the window center and window width
seg_liver = iput_img >= 1
ct_liver = iput_img * seg_liver
liver_max = ct_liver.max()
liver_min = ct_liver.min()
liver_wide = liver_max - liver_min
liver_center = (liver_max + liver_min)/2      
liver_wl = transform_ctdata(iput_img, liver_wide, liver_center, normal=False)

四、直方图均衡化

# 直方图均衡化
img_equalize = cv.equalizeHist(liver_wl)
clahe = cv.createCLAHE(clipLimit=4.0, tileGridSize=(8, 8))
img_clahe = clahe.apply(img_equalize)

五、图像归一化

# 归一化
max_bound = image.max()
min_bound = image.min()
img = (image- min_bound) / (max_bound - min_bound)

六、提取目标切片

这个代码稍微复杂些，代码思路是：先找到标签为0的图像，并记录该图像的id，然后从raw数据集中去掉这些id对应的图像。

七、数据增强

1、imgaug库
（1）用于医学图像分割的数据增强方法 —— 标准 imgaug 库的使用方法
（2）数据增强库imgaug使用
（2）imgaug数据增强神器：增强器一览

【参考】
1、Python+OpenCV图像处理（八）—— 图像直方图
2、学习笔记|Pytorch使用教程08(transforms数据预处理方法(二))
3、python skimage图像处理(三)（重点推荐）