dicom

之前采用pydicom读取dicom文件一切都很正常，不过最近读取一批数据的时候，会报错 读取代码 file = pydicom.read_file(filepath) data = file.pixel_array 问题就出在pixel_array这个属性上，报错如下 OSError Traceback (most recent call last) c:\python35\lib\site-packages\pydicom\pixel_data_handlers\pillow_handler.py in get_pixeldata(dicom_dataset) 196 fio = io.BytesIO(pixel_data) --> 197 decompressed_image = Image.open(fio) 198 except IOError as e: c:\python35\lib\site-packages\PIL\Image.py in open(fp, mode) 2571 raise IOError("cannot identify image file %r" -> 2572 % (filename if filename else fp)) 2573 OSError: cannot identify image file <_io.BytesIO

医学图像 医学图像是反映解剖区域内部结构或内部功能的图像，它是由一组图像元素——像素（2D）或立体像素（3D）组成的。医学图像是由采样或重建产生的离散性图像表征，它能将数值映射到不同的空间位置上。像素的数量是用来描述某一成像设备下的医学成像的，同时也是描述解剖及其功能细节的一种表达方式。像素所表达的具体数值是由成像设备、成像协议、影像重建以及后期加工所决定的 医学图像有四个关键成分——像素深度、光度表示、元数据和像素数据。这些成分与图像大小和图像分辨率有关 图像深度 （又称比特深度或颜色深度）是用来编码每个像素信息的比特数。比如说，一个8比特的光栅可以有256个从0到255数值不等的图像深度 光度表示 解释了像素数据如何以正确的图像格式（单色或彩色图片）显示。为了说明像素数值中是否存在色彩信息，我们将引入“每像素采样数”的概念。单色图像只有一个“每像素采样”，而且图像中没有色彩信息。图像是依靠由黑到白的灰阶来显示的，灰阶的数目很明显取决于用来储存样本的比特数。在这里，灰阶数与像素深度是一致的。医疗放射图像，比如CT图像和磁共振（MR）图像，是一个灰阶的“光度表示”。而核医学图像，比如正电子发射断层图像（PET）和单光子发射断层图像（SPECT），通常都是以彩色映射或调色板来显示的 元数据 是用于描述图像的信息。它可能看起来会比较奇怪，但是在任何一个文件格式中，除了像素数据之外

阅读本文大概需要6分钟 'DICOM’数据是医疗影像的关键，一个 .dcm 文件保存了单次诊断的全部信息(病人信息+图像数据)，通过读取解析 .dcm 文件可以获取所有信息。 DICOM 文件结构 打开任意一个 .dcm 文件，使用16进制打开，可以看到如下结构： 导言 导言部分128字节，可以直接跳过。 前缀 前缀标识的一个 dicm 文件，总共4个字节。 数据元素 在前缀后面就是真正的数据元素来。 从数据元素开始，均是以 key , value 的形式提供，每个 tag 就是 dicom 里面定义好的字典，我们在解析时根据需要只需关注特定的 tag 即可， dicom 全部的 tag 至少有 2000个。 好了， Dicom 基本数据结构就这样，刚开始学习时可以自己动手解析下，体验下上面说的几个步骤。实际工作或者软件开发中都是使用第三方开源库进行操作,比如比较著名的 C++ 系的 DCMTK ， JAVA 系的 dcm4che , python 系的 pyDicom 等等，本文乃至以后的文章主要以 DCMTK 为主. DICOM-Tag说明 1 患者信息（整个SERIES一样） Tag 描述 例子 0010 0010 patient’s name(患者名字) zhangsan 0010 0020 patient ID(患者ID) 100034251 0010 0030