Notas do estudo ITK (9) dados de reamostragem simples do ITK para um tamanho fixo

1、resampleSize

Esta reamostragem não é uma reamostragem de Espaçamento, mas uma reamostragem de tamanho, a fim de obter um tamanho consistente para todos os dados

Por exemplo: (880, 880, 12) amostra uniforme (880, 880, 16)

Porque se o formato de entrada dos dados da rede 3DUnet for definido como (N, C, 16, xxx, xxx), o tamanho de cada dado pode ser reamostrado (16, xxx, xxx) e então inserido na rede.

Se você definir o Tamanho diretamente para (16,xxx,xxx), a camada extra SimpleITK será preenchida com 0, o que não pode atingir a amostragem real. Então, fazendo a operação inversa da amostragem de espaçamento acima

"""
统一Size
X轴和Y轴的Size和Spacing没有变化，
Z轴的Size和Spacing有变化
"""
def resampleSize(sitkImage, depth):
    #重采样函数
    euler3d = sitk.Euler3DTransform()

    xsize, ysize, zsize = sitkImage.GetSize()
    xspacing, yspacing, zspacing = sitkImage.GetSpacing()
    new_spacing_z = zspacing/(depth/float(zsize))

    origin = sitkImage.GetOrigin()
    direction = sitkImage.GetDirection()
    #根据新的spacing 计算新的size
    newsize = (xsize,ysize,int(zsize*zspacing/new_spacing_z))
    newspace = (xspacing, yspacing, new_spacing_z)
    sitkImage = sitk.Resample(sitkImage,newsize,euler3d,sitk.sitkNearestNeighbor,origin,newspace,direction)
    return sitkImage

DEPTH = 16  #需要重采样Size的层数

#读取nifit原数据 ，size为：(880, 880, 12)
NifitmPath = 'work/data/nifit/Case14.nii.gz'
sitkImage = sitk.ReadImage(NifitmPath)
print("重采样前的信息") 
print("尺寸：{}".format(sitkImage.GetSize()))
print("体素大小(x,y,z):{}".format(sitkImage.GetSpacing()) )

print('='*30+'我是分割线'+'='*30)


newsitkImage = resampleSize(sitkImage, depth=DEPTH)
print("重采样后的信息")
print("尺寸：{}".format(newsitkImage.GetSize()))
print("体素大小(x,y,z):{}".format(newsitkImage.GetSpacing()) )

重采样前的信息
尺寸：(880, 880, 12)
体素大小(x,y,z):(0.3448275923728943, 0.3448275923728943, 5.499998092651367)
==============================我是分割线==============================
重采样后的信息
尺寸：(880, 880, 16)
体素大小(x,y,z):(0.3448275923728943, 0.3448275923728943, 4.124998569488525)

Referência: reamostragem (tamanho unificado)

2. Reamostragem de pré-processamento de imagem de TC

A desvantagem de reamostrar dados de acordo com o espaçamento especificado é que geralmente não podem ser reamostrados para o tamanho especificado. Em aplicações práticas, muitas vezes é encontrado que o tamanho da imagem precisa ser especificado.

def Resampling(img,lable = False):
    original_size = img.GetSize() #获取图像原始尺寸
    original_spacing = img.GetSpacing() #获取图像原始分辨率
    new_spacing = [1, 1, 1] #设置图像新的分辨率为1*1*1

    new_size = [int(round(original_size[0] * (original_spacing[0] /1))),
                int(round(original_size[1] * (original_spacing[1] / 1))),
                int(round(original_size[2] * (original_spacing[2] / 1)))] #计算图像在新的分辨率下尺寸大小
    resampleSliceFilter = sitk.ResampleImageFilter() #初始化
    if lable == False:
        Resampleimage = resampleSliceFilter.Execute(img, new_size, sitk.Transform(), sitk.sitkBSpline,
                                                img.GetOrigin(), new_spacing, img.GetDirection(), 0,
                                                img.GetPixelIDValue())
        ResampleimageArray = sitk.GetArrayFromImage(Resampleimage)
        ResampleimageArray[ResampleimageArray < 0] = 0 #将图中小于0的元素置为0
    else:# for label, should use sitk.sitkLinear to make sure the original and resampled label are the same!!!
        Resampleimage = resampleSliceFilter.Execute(img, new_size, sitk.Transform(), sitk.sitkLinear,
                                                    img.GetOrigin(), new_spacing, img.GetDirection(), 0,
                                                    img.GetPixelIDValue())
        ResampleimageArray = sitk.GetArrayFromImage(Resampleimage)

3. SKIMAGE.TRANSFORM - ambas as escalas estão disponíveis

# 1、按目标大小缩放resize
skimage.transform.resize(image, output_shape, order=1, mode='reflect', cval=0, clip=True, preserve_range=False, anti_aliasing=True, anti_aliasing_sigma=None)
# 2、按缩放因子缩放rescale
skimage.transform.rescale(image, scale, order=1, mode='reflect', cval=0, clip=True, preserve_range=False, multichannel=False, anti_aliasing=True, anti_aliasing_sigma=None)

# The order of interpolation. The order has to be in the range 0-5:
# 0: Nearest-neighbor
# 1: Bi-linear (default)
# 2: Bi-quadratic
# 3: Bi-cubic
# 4: Bi-quartic
# 5: Bi-quintic

Referência: Reamostragem de Pré-processamento de Imagem de TC

4. Código de implementação de reamostragem de imagens médicas (reamostragem) da biblioteca Python SimpleItk

Requisitos: Já existem imagens CT e PET registradas, e a etiqueta padrão ouro é desenhada na CT, então existem alguns requisitos simples, um é reamostrar a imagem PET para o mesmo tamanho da imagem CT (por exemplo, de 192 ×192×371 para 512×512×484), ou reduza a máscara padrão-ouro para o mesmo tamanho que o PET (ou seja, vice-versa).

Como encontrar o método: A função de leitura de imagem do ITK-SNAP (versão 3.8) suporta imagens de diferentes tamanhos, espaçamento, origem e direção a serem exibidas juntas, e o software será equivalente às imagens adicionadas posteriormente por reamostragem; O método, o resto é encontrar o código correspondente.

import SimpleITK as sitk

def resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkNearestNeighbor):
    """
    用itk方法将原始图像resample到与目标图像一致
    :param ori_img: 原始需要对齐的itk图像
    :param target_img: 要对齐的目标itk图像
    :param resamplemethod: itk插值方法: sitk.sitkLinear-线性  sitk.sitkNearestNeighbor-最近邻
    :return:img_res_itk: 重采样好的itk图像
    使用示范：
    import SimpleITK as sitk
    target_img = sitk.ReadImage(target_img_file)
    ori_img = sitk.ReadImage(ori_img_file)
    img_r = resize_image_itk(ori_img, target_img, resamplemethod=sitk.sitkLinear)
    """
    target_Size = target_img.GetSize()      # 目标图像大小  [x,y,z]
    target_Spacing = target_img.GetSpacing()   # 目标的体素块尺寸    [x,y,z]
    target_origin = target_img.GetOrigin()      # 目标的起点 [x,y,z]
    target_direction = target_img.GetDirection()  # 目标的方向 [冠,矢,横]=[z,y,x]

    # itk的方法进行resample
    resampler = sitk.ResampleImageFilter()
    resampler.SetReferenceImage(ori_img)  # 需要重新采样的目标图像
    # 设置目标图像的信息
    resampler.SetSize(target_Size)		# 目标图像大小
    resampler.SetOutputOrigin(target_origin)
    resampler.SetOutputDirection(target_direction)
    resampler.SetOutputSpacing(target_Spacing)
    # 根据需要重采样图像的情况设置不同的dype
    if resamplemethod == sitk.sitkNearestNeighbor:
        resampler.SetOutputPixelType(sitk.sitkUInt8)   # 近邻插值用于mask的，保存uint8
    else:
        resampler.SetOutputPixelType(sitk.sitkFloat32)  # 线性插值用于PET/CT/MRI之类的，保存float32
    resampler.SetTransform(sitk.Transform(3, sitk.sitkIdentity))    
    resampler.SetInterpolator(resamplemethod)
    itk_img_resampled = resampler.Execute(ori_img)  # 得到重新采样后的图像
    return itk_img_resampled
    

Referência: código de implementação de reamostragem de imagens médicas (reamostragem) da biblioteca Python SimpleItk

5. Use SimpleITK para interpolar arquivos de volume

Ao analisar arquivos dicom, geralmente é realizada interpolação ou reamostragem, o que pode ser feito facilmente com o SimpleITK.

import SimpleITK as sitk

def getDicomSeriesVolumeImage(folderPath):
	'''
	读取dicom序列文件
	:para folderPath:dicom文件夹
	:return volumeImage:volume
	'''
    reader = sitk.ImageSeriesReader()
    dicomNames = reader.GetGDCMSeriesFileNames(folderPath)
    reader.SetFileNames(dicomNames)
    volumeImage = reader.Execute()

    return volumeImage

def interpolate(volumeImage, newSpacing):
	'''
	插值处理
	:para volumeImage:volume格式
	:para newSpaceing:想要插值或者重采样处理后得到的三个物理间隔，格式为列表
	:return newVolumeImage:插值处理后的到的volume文件
	'''
    resampleFilter = sitk.ResampleImageFilter()
    resampleFilter.SetInterpolator(sitk.sitkLinear) 	##此处为线性插值，其他插值方式可以去官网查询
    resampleFilter.SetOutputDirection(volumeImage.GetDirection())
    resampleFilter.SetOutputOrigin(volumeImage.GetOrigin())

    newSpacing = np.array(newSpacing, float)
    newSize = volumeImage.GetSize() / newSpacing * volumeImage.GetSpacing()
    newSize = newSize.astype(np.int)

    resampleFilter.SetSize(newSize.tolist())
    resampleFilter.SetOutputSpacing(newSpacing)
    newVolumeImage = resampleFilter.Execute(volumeImage)

    return newVolumeImage

Referência: interpolar arquivos de volume com SimpleITK

6. Reamostragem de imagens médicas

1. Reamostragem

No processo de pré-processamento de imagens médicas, muitas vezes é necessário reamostrar os dados para a escala que precisamos. Porque as imagens médicas correspondem ao tamanho físico do espaço real. Por exemplo, o tamanho de um voxel é 0,97 mm 0,97 mm 2,5 mm, queremos amostrar o tamanho do bloco voxel para 1 mm 1 mm 1 mm, o que pode nos ajudar na próxima etapa. Isso pode ser feito usando sitk.

2. Código

import SimpleITK as sitk
"""
resample
"""

def resampleVolume(outspacing,vol):
    """
    将体数据重采样的指定的spacing大小\n
    paras：
    outpacing：指定的spacing，例如[1,1,1]
    vol：sitk读取的image信息，这里是体数据\n
    return：重采样后的数据
    """
    outsize = [0,0,0]
    inputspacing = 0
    inputsize = 0
    inputorigin = [0,0,0]
    inputdir = [0,0,0]

    #读取文件的size和spacing信息
    
    inputsize = vol.GetSize()
    inputspacing = vol.GetSpacing()

    transform = sitk.Transform()
    transform.SetIdentity()
    #计算改变spacing后的size，用物理尺寸/体素的大小
    outsize[0] = int(inputsize[0]*inputspacing[0]/outspacing[0] + 0.5)
    outsize[1] = int(inputsize[1]*inputspacing[1]/outspacing[1] + 0.5)
    outsize[2] = int(inputsize[2]*inputspacing[2]/outspacing[2] + 0.5)

    #设定重采样的一些参数
    resampler = sitk.ResampleImageFilter()
    resampler.SetTransform(transform)
    resampler.SetInterpolator(sitk.sitkLinear)
    resampler.SetOutputOrigin(vol.GetOrigin())
    resampler.SetOutputSpacing(outspacing)
    resampler.SetOutputDirection(vol.GetDirection())
    resampler.SetSize(outsize)
    newvol = resampler.Execute(vol)
    return newvol    

def main():
    #读文件
    vol = sitk.Image(sitk.ReadImage("input.mha"))

    #重采样
    newvol = resampleVolume([1,1,1],vol)

    #写文件
    wriiter = sitk.ImageFileWriter()
    wriiter.SetFileName("output.mha")
    wriiter.Execute(newvol)

Referência: reamostragem de imagens médicas