影像组学图像预处理,预处理剂
需要重新采样是因为每个患者的体型都不一样，但最后的数字图像分辨率相同，会导致一定程度的失真变形。
但是，dcm和nii形式等医疗图像带有SliceThickness、PixelSpacing等属性，可以利用这些属性尽可能地还原实物。
例如，(下图中的第二个物体是星星，忘记改过自新) )。
我现在希望spacing变成(1，1 )。 也就是说，我们希望数字图像的图像尺寸表示原始物体的尺寸。
spacing=(2，2 )表示原始物体的尺寸是数字图像尺寸的2倍
因此，
# ct_array是z，y，x # refactor _ size=CT.get spacing ([-1 ]/new _ spacing _ z， ct_array=ndimage .天真CT.getspacing ) [2]/new_spacing_x )、order=3)但是，更精细的话会发现spacing，但是数字图像的分辨率没有浮点数。 在这种情况下，需要round处理，最终需要计算refacor_size并提供给插值函数。 但是，计算refactor_size的过程有点绕过。
defresample(image，scan，new _ spacing=[ 1，1， 1] ) : image=imgs _ to _ process scan=patient # determinecurrer (scan[0].slice thickness (list ) scan [0] . pixelspacing ) ) ) spacing=NP.array (list ) spacing ) ) resize _ fing new _ spacing new _ real _ shape=image ) real _ shape image.shape new _ spacing=spacing/real _ resize _ factor image=scipy.nd image.interpolation .天真的期望(imgs _ to _ process.shape (shapebeforeresampling ) ) 129、512、512、512 spacing=resample (imgs _ to _ process，papad ) 因为插补后图像间的大小会不同，无法输入网络。 我看到的处理之一如下。
只对轴方向(z )进行差分，y、x缩放为一定的大小，
这样，只是每个数据的切片数不同。
输入网络时，每个数据随机采样n个相同数量的三维图像输入网络即可。
请参阅--------2019---- 10---- 7更新------------2019
上述resampling都是在图像坐标系中定义的，但numpy数组完全不识别physical world的存在，scipy.ndimage和scikit-image也不保存图像的世界坐标的几何信息，因此http://www.sci kit-image itk和nibabel每个图像都有physical space信息，一些基本操作也在physical space下进行。