LUNA16數據集（二）肺結節可視化

在檢測到肺結節後，還須要可視化，這樣才能爲診斷服務。

我使用的項目地址爲：https://github.com/wentaozhu/DeepLung

項目基於論文：DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification

該項目論文地址爲：https://arxiv.org/abs/1801.09555

檢測出肺結節可疑區域後，將其在原始CT圖像上展現出來，原理比較簡單，就是找出肺結節對應的切片，並圈出結節。貼下代碼

首先是讀取原始CT數據，須要sitk包，讀取的filename是.mhd格式，裏面包含CT圖像的信息，不過數據其實在同名的.raw文件。

itkimage = sitk.ReadImage(filename)#讀取.mhd文件
numpyImage = sitk.GetArrayFromImage(itkimage)#獲取數據，自動從同名的.raw文件讀取

以後，將其傳入下面的函數，ct_scan就是上面的numpyImage。

def show_nodules(ct_scan,nodules,radius=20,pad=5,max_show_num=3):#radius是正方形邊長一半，pad是邊的寬度,max_show_num最大展現數
    
    show_index = []
    for idx in xrange(nodules.shape[0]):#lable是一個nx4維的數組，n是肺結節數目，4表明x,y,z,以及直徑
        if idx<max_show_num:
            if abs(nodules[idx,0])+abs(nodules[idx,1])+abs(nodules[idx,2])+abs(nodules[idx,3])==0: continue

            x, y, z = int(nodules[idx,0]), int(nodules[idx,1]), int(nodules[idx,2])

            data = ct_scan[z]

            #注意 y表明縱軸，x表明橫軸
            data[max(0,y-radius):min(data.shape[0],y+radius), max(0,x-radius-pad):max(0,x-radius)] = 3000#豎線
            data[max(0,y-radius):min(data.shape[0],y+radius), min(data.shape[1],x+radius):min(data.shape[1],x+radius+pad)] = 3000#豎線
            data[max(0,y-radius-pad):max(0,y-radius), max(0,x-radius):min(data.shape[1],x+radius)] = 3000#橫線
            data[min(data.shape[0],y+radius):min(data.shape[0],y+radius+pad), max(0,x-radius):min(data.shape[1],x+radius)] = 3000#橫線

            if z in show_index:#檢查是否有結節在同一張切片，若是有，只顯示一張
                continue
            show_index.append(z)
            plt.figure
            plt.imshow(data,cmap='gray')
        
    plt.show()

須要強調的是，檢測出的肺結節有不止一個，分佈於不一樣切片，有些結節位於同一張切片，通常來說，單個CT的肺結節數不會超過三個，因此只展現可能性最高的三個就應該夠了。

此處可視化的辦法是直接修改像素值，其它方法我尚未試過，相信只要能畫出線條就能夠。

結果展現

 

論文官方也給出了展現demo，不過略有不一樣，官方展現的是預處理後的切片，肺結節的位置天然也是與之對應，展現一下

LUNA16切片的大小統一爲512X512，預處理後的尺寸明顯不一樣了。