python - 从 3D DICOM 图像重建 2D X 射线

Question

我需要使用以下输入/输出编写一个 python 函数或类

输入:

• X 射线源的位置(仍然不确定为什么需要它)
• 董事会的职位(仍然不确定为什么需要)
• 三维 CT 扫描

输出:

二维 X 射线扫描(模拟 X 射线扫描，这是一种扫描全身的扫描)

关于我要实现的目标的一些重要说明:

• 您不需要来自现实世界的额外信息或任何高级知识。
• 您可以添加您认为合适的任何输入参数。
• 如果您的方法产生了瑕疵，您可以修复它们。
• 请解释您的方法的每一步。

到目前为止我所做的:(添加了 .py 文件)

我已经阅读了位于“Case2”文件夹中的 .dicom 文件。

这些 .dicom 文件可以从我的 Google Drive 下载:https://drive.google.com/file/d/1lHoMJgj_8Dt62JaR2mMlK9FDnfkesH5F/view?usp=sharing

我已经按位置对文件进行了排序。

最后，我创建了一个 3D 阵列，并将所有图像添加到该阵列以绘制结果(您可以在添加的图像中看到它们)——它们是 CT 扫描的切片。 (引用:https://pydicom.github.io/pydicom/stable/auto_examples/image_processing/reslice.html#sphx-glr-auto-examples-image-processing-reslice-py)

完整代码如下:

import pydicom as dicom
import os
import matplotlib.pyplot as plt
import sys
import glob
import numpy as np
path = "./Case2"
ct_images = os.listdir(path)
slices = [dicom.read_file(path + '/' + s, force=True) for s in ct_images]
slices[0].ImagePositionPatient[2]
slices = sorted(slices, key = lambda x: x.ImagePositionPatient[2])

#print(slices)
# Read a dicom file with a ctx manager
with dicom.dcmread(path + '/' + ct_images[0]) as ds:
    # plt.imshow(ds.pixel_array, cmap=plt.cm.bone)
    print(ds)
    #plt.show()


fig = plt.figure()
for num, each_slice in enumerate(slices[:12]):
    y= fig.add_subplot(3,4,num+1)
    #print(each_slice)
    y.imshow(each_slice.pixel_array)
plt.show()    

for i in range(len(ct_images)):
    with dicom.dcmread(path + '/' + ct_images[i], force=True) as ds:
        plt.imshow(ds.pixel_array, cmap=plt.cm.bone)
        plt.show()       

# pixel aspects, assuming all slices are the same
ps = slices[0].PixelSpacing
ss = slices[0].SliceThickness
ax_aspect = ps[1]/ps[0]
sag_aspect = ps[1]/ss
cor_aspect = ss/ps[0]

# create 3D array
img_shape = list(slices[0].pixel_array.shape)
img_shape.append(len(slices))
img3d = np.zeros(img_shape)

# fill 3D array with the images from the files
for i, s in enumerate(slices):
    img2d = s.pixel_array
    img3d[:, :, i] = img2d

# plot 3 orthogonal slices
a1 = plt.subplot(2, 2, 1)
plt.imshow(img3d[:, :, img_shape[2]//2])
a1.set_aspect(ax_aspect)

a2 = plt.subplot(2, 2, 2)
plt.imshow(img3d[:, img_shape[1]//2, :])
a2.set_aspect(sag_aspect)

a3 = plt.subplot(2, 2, 3)
plt.imshow(img3d[img_shape[0]//2, :, :].T)
a3.set_aspect(cor_aspect)

plt.show()

结果不是我想要的，因为:

这些是 CT 扫描的切片。我需要模拟 X 射线扫描，这是一种遍历全身的扫描。

希望您能帮助模拟穿过 body 的 X 射线扫描。

我读到它可以通过以下方式完成:“正常的 2D X 射线图像是通过体积的总投影。发送平行光线通过体积并添加密度。”我不确定它是如何在代码中完成的。

可能有帮助的引用资料:https://pydicom.github.io/pydicom/stable/index.html

Answer 1

编辑:正如进一步的答案所指出的，该解决方案产生平行投影，而不是透视投影。

根据我对“正常 2D X 射线图像”定义的理解，这可以通过对给定方向上投影的每个切片的每个像素的每个密度求和来完成。

对于 3D 体积，这意味着在给定的轴上执行求和，这可以在 numpy 中使用 ndarray.sum(axis) 来完成。

# plot 3 orthogonal slices
a1 = plt.subplot(2, 2, 1)
plt.imshow(img3d.sum(2), cmap=plt.cm.bone)
a1.set_aspect(ax_aspect)

a2 = plt.subplot(2, 2, 2)
plt.imshow(img3d.sum(1), cmap=plt.cm.bone)
a2.set_aspect(sag_aspect)

a3 = plt.subplot(2, 2, 3)
plt.imshow(img3d.sum(0).T, cmap=plt.cm.bone)
a3.set_aspect(cor_aspect)

plt.show()

这会产生以下结果:

对我来说，这看起来像 X 光图像。

编辑: 结果有点太“亮”，因此您可能需要应用 Gamma 校正。使用 matplotlib，import matplotlib.colors as colors 并添加 colors.PowerNorm(gamma_value) 作为 plt.imshow 中的 norm 参数:

plt.imshow(img3d.sum(0).T, norm=colors.PowerNorm(gamma=3), cmap=plt.cm.bone)

结果: