《深度学习与医学图像处理》1. DICOM标准和医学影像识别应用

bzhou830

《深度学习与医学图像处理》1. DICOM标准和医学影像识别应用 [复制链接]

<i class="pstatus"> 本帖最后由 bzhou830 于 2024-4-13 09:16 编辑 </i> ## 1. 前言 感谢本次EEWorld提供的阅读机会，本人是在读书期间做过几年的医学数字图像相关的研究和相关的项目，特别是CT影像肺结节检测的项目。也开源了这个相关的项目在github上了(https://github.com/bzhou830/DiagnoseSystem), 那时使用的方法还是机器学习+特征挖掘的方式来做的。 相比深度学习，特征挖掘可以说是机器学习的关键，也是最耗费时间和精力的部分。深度学习带来最大的好处之一就是不需要手动去挖掘特征了。 ## 2. 谈谈图像格式 《深度学习与医学图像处理》第一章的内容，主要是引入了机器学习，图像处理的相关的一些基础概念。但是由于篇幅的限制，对于没有医学图像背景的读者来说可能会有些不好理解。尤其是一些医学影像领域专门的标准（比如DICOM标准）。 由于本人有过DICOM标准的学习经验，所以来浅谈下DICOM标准。 先来看看官方会DICOM标准的定义： > DICOM标准是数字影像和通信医学标准（Digital Imaging and Communications in Medicine）的简称。它是一种用于医学图像传输和存储的国际标准，旨在促进不同医疗设备和系统之间的互操作性。DICOM标准定义了医学图像的格式、存储方式、传输协议和元数据等方面的规范，使得不同厂商生产的医疗设备和软件能够共同使用和交换医学图像数据，从而提高医疗服务的效率和质量。 DICOM标准包含了许多不同的部分，其中最常见的包括： 图像格式：DICOM定义了医学图像的格式，包括像素数据、图像大小、颜色空间等方面的规范。 数据传输：DICOM规定了医学图像在网络中的传输方式，包括TCP/IP协议栈和特定的传输协议。 数据存储：DICOM定义了医学图像在介质（如光盘、硬盘等）上的存储格式和组织结构。 数据元数据：DICOM包含了大量的元数据，用于描述医学图像的各种属性，如患者信息、图像采集参数、设备信息等。 总的来说，DICOM标准在医学影像领域扮演着非常重要的角色，它使得不同厂商的医疗设备和软件能够实现互操作性，为医疗服务的提供和管理提供了基础。 对于开发人员来说我们可以理解为：DICOM是一个图像格式和图像传输的协议。比如一个CT/MR图像它的保存形式就是一个DICOM标准格式的图像。 传输协议怎么理解呢？医院中的检查设备（CT机、MR机、超声机）他们采集到的图是要传送到图像工作站的，那他们的数据流是如何传输的呢？对于我们普通使用场合下我们数据传输一般都是通过TCP/HTTP协议来传输数据的，但是医学设备的多样性和复杂性演化出了它自己的通信标准，这个标准是在TCP之上的，也就是和HTTP同一层的通信协议。对于通信协议的具体内容，可以查看本人多年前的博客，这里面使用wireshark抓包的实例分析。 https://blog.csdn.net/robin__chou/article/details/51462666 https://blog.csdn.net/Robin__Chou/article/details/51579484 由于本书我们主要探讨的是图像的检测识别，所以我们其实应该把主要专注点放在图像文件的格式上。 对于DICOM格式的文件在实际开发中很多都是直接使用DCMTK开源库来进行解析的，DCMTK是DICOM标准的一个实现。 下面的链接是本人写的使用DCMTK来解析DICOM标准文件: https://bineanju.gitee.io/blog/post/20160915DCMTK%E8%AF%BB%E5%8F%96DICOM%E6%96%87%E4%BB%B6/ ## 3. 医学影像识别的应用 其实早在上世纪七八十年代就有人开始研究医学影像识别相关的应用。但是受限于机器性能和数据量的限制，该类应用一直没有使用到临床实际中。和大家分享一个小故事： 大概在2016年左右，我带着那个CT肺结节识别的项目去过华西医院影像科和影像科的医生沟通过，当时对于影像科的医生来说这类应用离实际差距还是特别大的，只能作为研究和医院进行合作探索。但是医生提出的一个有很大实际意义的点是医学教育领域。据该医生所述，因为乡镇的医生水平限制，很多时候没有人能指导乡镇医生阅片和进行影像诊断，使用辅助诊断系统给这些乡镇医生进行学习指导是一个非常不错的点。 有影像的地方就有出现辅助诊断，由于CT/MR图像的规范化，相比特征容易挖掘，所以这类应用发展的比较快。而像超声影像，里面的噪声比较多，在深度学习出现之前基本很难进行特征的挖掘。 以上就是对第一章和第二章的阅读学习笔记。

lugl4313820

大概在2016年左右，我带着那个CT肺结节识别的项目去过华西医院影像科和影像科的医生沟通过，当时对于影像科的医生来说这类应用离实际差距还是特别大的，只能作为研究和医院进行合作探索。

过了这么多年了，应该这方面的进展还是很大的。关键这个东西研究出来，还得做临床试验，出成果还是非常难的。特别有些成果，需要做病理学来验证，那又是难上加难。

bzhou830

lugl4313820 发表于 2024-4-10 20:27 大概在2016年左右，我带着那个CT肺结节识别的项目去过华西医院影像科和影像科的医生沟通过，当时对于影像科 ...

是的，应用的落地需要大量的临床试验验证

吾妻思萌

楼主，书里用的是imagej软件吗？医疗图像好多都是stack的，有相关知识吗？

秦天qintian0303

lugl4313820 发表于 2024-4-10 20:27 大概在2016年左右，我带着那个CT肺结节识别的项目去过华西医院影像科和影像科的医生沟通过，当时对于影像科 ...

这个东西就像CT做完了会给出初步建议一样，然后在交由医生修改确认，好多初步诊断的准确率还是挺高的 

lugl4313820

秦天qintian0303 发表于 2024-4-11 14:20 这个东西就像CT做完了会给出初步建议一样，然后在交由医生修改确认，好多初步诊断的准确率还是挺高的&nbs ...

这些训练的算法，需要复合型人才，多年的经验才能做得到。这些素材的收集，同样的图片，不能象人脸等等的这要好收集。

bzhou830

秦天qintian0303 发表于 2024-4-11 14:20 这个东西就像CT做完了会给出初步建议一样，然后在交由医生修改确认，好多初步诊断的准确率还是挺高的&nbs ...

CT做完后的初步建议在大医院里面其实就是影像科医生的阅片结果。

大部分时候门诊或住院部的医生也会去参考这个结果。

bzhou830

吾妻思萌 发表于 2024-4-11 11:01 楼主，书里用的是imagej软件吗？医疗图像好多都是stack的，有相关知识吗？

工程中我接触的CT/MR图像居多，还没有接触过stack格式的图像。

书中使用的主要是3d slicer, 这是一个支持dicom, nii，mha格式的开源软件。

吾妻思萌

能从书的附件或者什么地方给小弟分享一个 这些格式的文件吗？我试试imagej能打开不

bzhou830

吾妻思萌 发表于 2024-4-15 16:34 能从书的附件或者什么地方给小弟分享一个 这些格式的文件吗？我试试imagej能打开不

书的附件还没有下载，你是需要dcm图像吗？