使用 pydicom 和 sitk 加载 dicoms 会产生不同的输出

Question

我的问题有点复杂。我正在研究包含 dicom 图像的 Prostate MRI 数据集。当我使用 Simple ITK 加载 dicom 文件时，输出 numpy 数组的数据类型将为 float64 。但是当我使用 pydicom 加载相同的 dicom 文件时，输出 numpy 数组的 dtype 将是 uint16 而问题不仅仅是这个。使用不同的模块时，像素强度会有所不同。所以我的问题是为什么它们看起来不同，哪个是正确的，为什么这些模块以不同的方式加载数据？这是我用来加载 dcm 文件的代码。

import pydicom
import SimpleITK as sitk

path = 'dicoms/1.dcm'


def read_using_sitk():
    reader = sitk.ImageFileReader()
    reader.SetFileName(path)
    image = reader.Execute()
    numpy_array = sitk.GetArrayFromImage(image)
    return numpy_array.dtype


def read_using_pydicom():
    dataset = pydicom.dcmread(path)
    numpy_array = dataset.pixel_array
    return numpy_array.dtype

Answer 1

区别在于pydicom加载保存在数据集中的原始数据（对于MR数据通常是uint16），而SimpleITK做一些预处理（很可能应用LUT) 和 returns 处理后的数据作为浮点数组。

在pydicom中，要获得适合显示的数据，您必须自己应用一些lookup table，通常是图像附带的。

如果您有模态 LUT（对于 MR 数据不是很常见），您首先必须使用 apply_modality_lut 应用它，而对于 VOI LUT，您使用 apply_voi_lut。这将同时应用在数据集中找到的模态和 VOI LUT：

ds = dcmread(fname)
arr = ds.pixel_array
out = apply_modality_lut(arr, ds)
display_data = apply_voi_lut(out, ds, index=0)

即使数据集中不存在模态或 VOI LUT，也可以安全地使用它 - 在这种情况下，仅返回输入数据。
请注意，DICOM 图像中可以有多个 VOI LUT，例如显示不同种类的组织 - 因此 index 论点，尽管这在 MR 图像中也不是很常见。

使用 pydicom 和 sitk 加载 dicoms 会产生不同的输出

loading dicoms with pydicom and sitk results different outputs

python

mri

simpleitk

pydicom