這兩天又重新回顧了一下醫學圖像數據的讀取和預處理方法，在這里總結一下。

基于深度學習做醫學圖像數據分析，例如病灶檢測、腫瘤或者器官分割等任務，第一步就是要對數據有一個大概的認識。但是我剛剛入門醫學圖像分割的時候，很迷茫不知道自己該干啥，不知道需要準備哪些知識，慢慢到現在才建立了一個簡陋的知識體系。個人認為，比如說醫學圖像分割這個方向，再具體一點比如腹部器官分割或者肝臟腫瘤分割，需要掌握兩方面的知識：（1）醫學圖像預處理方法；（2）深度學習知識。 而第一點是進行第二點的必要條件，因為你需要了解輸入到DL網絡中的到底是長啥樣的數據。

這篇文章主要介紹常見的醫學圖像讀取方式和預處理方法。

1. 醫學圖像數據讀取

1.1 ITK-SNAP軟件

首先介紹一下醫學圖像可視化軟件ITK-SNAP， 可以作為直觀感受醫學圖像3D結構的工具，也可以用來做為分割和檢測框標注工具，免費，很好用，安利一下：ITK-SNAP官方下載地址：http://www.itksnap.org/pmwiki/pmwiki.php。此外，mango（http://ric.uthscsa.edu/mango/）是另一個非常輕量的可視化軟件，也可以試試。我一般用ITK-SNAP。

ITK-snap界面

首先要明確一下和人體對應的方向，其中三個窗口對應三個切面，對應關系如下圖所示，按照字母索引即可。例如，左上圖對應R-A-L-P這個面，是從腳底往頭部方向看的切面(即z方向)，另外兩張類似。

紅色切面為矢狀面，紫色切面為冠狀面，綠色切面為橫斷面

也可以同時將分割結果導入，對比觀察。

對于標注不太嚴謹的地方也可以精細化修改。當然公開集的話，絕大多數都挺好的。自己標注也是類似。（如果顯示不太清晰，對比度太低，需要在軟件中調節窗寬和窗位）

1.2 SimpleITK

我們知道，最常見的醫學圖像有CT和MRI，這都是三維數據，相比于二維數據要難一些。而且保存下來的數據也有很多格式，常見的有.dcm .nii(.gz) .mha .mhd(+raw)。這些類型的數據都可以用Python的SimpleITK來處理，此外pydicom可以對.dcm文件進行讀取和修改。

讀取操作的目的是從每一個病人數據中抽取tensor數據，用Simpleitk讀取上面的.nii數據為例：

import numpy as np
import os
import glob
import SimpleITK as sitk
from scipy import ndimage
import matplotlib.pyplot as plt # 載入需要的庫

# 指定數據root路徑，其中data目錄下是volume數據，label下是segmentation數據，都是.nii格式
data_path = r'F:LiTS_datasetdata'
label_path = r'F:LiTS_datasetlabel'

dataname_list = os.listdir(data_path)
dataname_list.sort()
ori_data = sitk.ReadImage(os.path.join(data_path,dataname_list[3])) # 讀取其中一個volume數據
data1 = sitk.GetArrayFromImage(ori_data) # 提取數據中心的array
print(dataname_list[3],data1.shape,data1[100,255,255]) #打印數據name、shape和某一個元素的值

plt.imshow(data1[100,:,:]) # 對第100張slice可視化
plt.show()

輸出結果：

['volume-0.nii', 'volume-1.nii', 'volume-10.nii', 'volume-11.nii',...
volume-11.nii (466, 512, 512) 232.0

表明該數據shape為（466,512,512），注意對應的順序是z,x,y。z其實是slice的索引。x和y是某一個slice的寬和高。

z索引為100的plot結果：

同一個slice在ITK-SNAP可視化結果（注意這里（x,y,z=(256,256,101)），因為itk-snap默認從1開始索引）：

可以發現，上下兩張x軸一樣但y軸方向上下翻轉了，這是由于matplotlib顯示方式不同，但是不會出現讀取數據對不齊的問題。

2.醫學圖像預處理

這部分內容比較雜亂。因為不同的任務、不同的數據集，通常數據預處理的方法有很大不同。但基本思路是要讓處理后的數據更有利于網絡訓練。那么二維圖像預處理的一些方法都是可以借鑒的，如對比度增強、去噪、裁剪等等。此外還有醫學圖像本身的一些先驗知識也可以利用，比如CT圖像中不同仿射劑量（單位：HU） 會對應人體不同的組織器官。

不同放射劑量對應的組織器官

基于上表，可以對原始數據進行歸一化處理：

MIN_BOUND = -1000.0
MAX_BOUND = 400.0

def norm_img(image): # 歸一化像素值到（0，1）之間，且將溢出值取邊界值
image = (image - MIN_BOUND) / (MAX_BOUND - MIN_BOUND)
image[image > 1] = 1.
image[image < 0] = 0.
return image

也可以將其標準化/0均值化，將數據中心轉移到原點處：

image = image-meam

上述歸一化處理適用于絕大多數數據集，其他一些都是可有可無的針對于具體數據的操作，這些操作包括上面的MIN_BOUND 和MAX_BOUND 都最好參考優秀論文的開源代碼的處理方式。

預處理后的數據集建議保存在本地，這樣可以減少訓練時的部分資源消耗。此外，如隨機裁剪、線性變換等數據增強處理步驟，還是需要在訓練時進行。

編輯：黃飛

?