dicom.ipynb

Kernel: Python 3

Copyright 2019 The TensorFlow IO Authors.

#@title Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

Decodificar archivos DICOM para imágenes médicas

Ver en TensorFlow.org

Ejecutar en Google Colab

Ver código fuente en GitHub

Descargar el bloc de notas

Descripción general

En este tutorial se muestra cómo usar tfio.image.decode_dicom_image en TensorFlow IO para decodificar archivos DICOM con TensorFlow.

Configuración y uso

Descargar la imagen DICOM

La imagen DICOM que se usa en este tutorial proviene del conjunto de datos de radiografías de tórax de los Institutos Nacionales de Salud.

El conjunto de datos de radiografías de tórax de los Institutos Nacionales de Salud (NIH, por sus siglas en inglés) consta de 100.000 imágenes no identificadas de radiografías de tórax en formato PNG, proporcionadas por el Centro Clínico de los NIH y que se pueden descargar a través de este enlace.

Google Cloud también proporciona una versión DICOM de las imágenes, disponible en Cloud Storage.

En este tutorial, descargará un archivo de muestra del conjunto de datos del repositorio de GitHub.

Nota: Para obtener más información sobre el conjunto de datos, consulte la siguiente referencia:

• Xiaosong Wang, Yifan Peng, Le Lu, Zhiyong Lu, Mohammadhadi Bagheri, Ronald Summers, ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases, IEEE CVPR, pp. 3462-3471, 2017

!curl -OL https://github.com/tensorflow/io/raw/master/docs/tutorials/dicom/dicom_00000001_000.dcm
!ls -l dicom_00000001_000.dcm

Instale los paquetes necesarios y reinicie el tiempo de ejecución

try:
  # Use the Colab's preinstalled TensorFlow 2.x
  %tensorflow_version 2.x 
except:
  pass

!pip install tensorflow-io

Decodifique la imagen DICOM

import matplotlib.pyplot as plt
import numpy as np

import tensorflow as tf

import tensorflow_io as tfio

image_bytes = tf.io.read_file('dicom_00000001_000.dcm')

image = tfio.image.decode_dicom_image(image_bytes, dtype=tf.uint16)

skipped = tfio.image.decode_dicom_image(image_bytes, on_error='skip', dtype=tf.uint8)

lossy_image = tfio.image.decode_dicom_image(image_bytes, scale='auto', on_error='lossy', dtype=tf.uint8)


fig, axes = plt.subplots(1,2, figsize=(10,10))
axes[0].imshow(np.squeeze(image.numpy()), cmap='gray')
axes[0].set_title('image')
axes[1].imshow(np.squeeze(lossy_image.numpy()), cmap='gray')
axes[1].set_title('lossy image');

Decodifique los metadatos DICOM y trabaje con etiquetas

decode_dicom_data decodifica la información de la etiqueta. dicom_tags contiene información útil como la edad y el sexo del paciente, por lo que puede usar etiquetas DICOM como dicom_tags.PatientsAge y dicom_tags.PatientsSex. tensorflow_io toma prestada la misma notación de etiquetas del paquete pydicom dicom.

tag_id = tfio.image.dicom_tags.PatientsAge
tag_value = tfio.image.decode_dicom_data(image_bytes,tag_id)
print(tag_value)

print(f"PatientsAge : {tag_value.numpy().decode('UTF-8')}")

tag_id = tfio.image.dicom_tags.PatientsSex
tag_value = tfio.image.decode_dicom_data(image_bytes,tag_id)
print(f"PatientsSex : {tag_value.numpy().decode('UTF-8')}")

Documentación

Este paquete tiene dos operaciones que envuelven funciones DCMTK. decode_dicom_image decodifica los datos de píxeles de los archivos DICOM y decode_dicom_data decodifica la información de las etiquetas. tags contiene etiquetas DICOM útiles como tags.PatientsName. La notación de etiquetas se toma prestada del paquete pydicom dicom.

Obtener datos de imagen DICOM

io.dicom.decode_dicom_image(
    contents,
    color_dim=False,
    on_error='skip',
    scale='preserve',
    dtype=tf.uint16,
    name=None
)

• contents: un tensor de tipo cadena de texto. De dimensión 0. El archivo DICOM codificado con cadena de bytes

• color_dim: un bool opcional. El valor predeterminado es False. Si es True, se agregará un tercer canal a todas las imágenes lo que formará un tensor tridimensional. Una imagen en escala de grises de 1024 x 1024 será 1024 x 1024 x 1

• on_error: El valor predeterminado es skip. Este atributo establece el comportamiento en caso de que ocurra un error al abrir la imagen o si el tipo de salida no puede acomodar todos los valores de entrada posibles. Por ejemplo, si el usuario establece el tipo de salida en tf.uint8, pero una imagen dicom almacena un tipo tf.uint16. strict arroja un error. skip devuelve un tensor vacío unidimensional. lossy continúa con la operación escalando el valor a través del atributo scale.

• scale: Valores predeterminados para preserve. Este atributo establece qué hacer con la escala de los valores de entrada. auto escalará automáticamente los valores de entrada, si el tipo de salida es entero, auto usará la escala de salida máxima, por ejemplo, un uint8 que almacena valores de [0, 255] se puede estirar linealmente para llenar un uint16 que es [0,65535]. Si la salida es flotante, auto escalará a [0,1]. preserve mantiene los valores como están, un valor de entrada mayor que la salida máxima posible se recortará.

• dtype: un tf.DType opcional de: tf.uint8, tf.uint16, tf.uint32, tf.uint64, tf.float16, tf.float32, tf.float64. El valor predeterminado es tf.uint16.

• name: un nombre para la operación (opcional).

Devuelve un Tensor de tipo dtype y la forma está determinada por el archivo DICOM.

Obtener datos de etiquetas DICOM

io.dicom.decode_dicom_data(
    contents,
    tags=None,
    name=None
)

• contents: un tensor de tipo cadena de texto. De dimensión 0. El archivo DICOM codificado con cadena de bytes

• tags: un tensor de tipo tf.uint32 de cualquier dimensión. Estos números uint32 se asignan directamente a etiquetas DICOM

• name: un nombre para la operación (opcional).

Devuelve un Tensor de tipo tf.string y la misma forma que tags. Si una etiqueta dicom es una lista de cadenas, se combinan en una sola cadena y se separan por una doble barra invertida **Devuelve** un Tensorde tipotf.stringy la misma forma quetags`. Si una etiqueta dicom es una lista de cadenas, se combinan en una sola cadena y se separan por una doble barra invertida . Hay un error en DCMTK si la etiqueta es una lista de números, solo el elemento cero se devolverá como una cadena.

Bibtex

Si este paquete le sirvió, use lo siguiente para citarlo:

@misc{marcelo_lerendegui_2019_3337331,
  author       = {Marcelo Lerendegui and
                  Ouwen Huang},
  title        = {Tensorflow Dicom Decoder},
  month        = jul,
  year         = 2019,
  doi          = {10.5281/zenodo.3337331},
  url          = {https://doi.org/10.5281/zenodo.3337331}
}

Licencia

Copyright 2019 Marcelo Lerendegui, Ouwen Huang, Gradient Health Inc.

Bajo licencia de Apache, Versión 2.0 (la "Licencia"); no puede usar este archivo excepto de conformidad con la Licencia. Puede obtener una copia de la Licencia en

http://www.apache.org/licenses/LICENSE-2.0

A menos que lo exija la ley aplicable o se acuerde por escrito, el software distribuido bajo la Licencia se distribuye "TAL CUAL", SIN GARANTÍAS NI CONDICIONES DE NINGÚN TIPO, ya sean expresas o implícitas. Consulte la Licencia para conocer el idioma específico que rige los permisos y limitaciones de la Licencia.