В настоящее время я работаю над проектом глубокого обучения, включающим DICOM изображения. Короче говоря, в этом проекте у меня есть рентгеновские снимки таза человека, и я пытаюсь предсказать, есть ли патологические изменения в тазобедренном суставе (например: кисты, остеофиты, склеротизация, ...).
Одна из моих проблем заключается в том, что данные были собраны из разных больниц и имеют разные свойства (распределения). Мой фокус был в основном на:
Modality - у меня есть компьютерная рентгенография (CR) и цифровая рентгенография (DX) рентгеновские лучи Photometric Interpretation - I сохранить рентгеновские снимки в RGB, MONOCHROME1 и MONOCHROME2
У меня есть 3 основные группы изображений:
Если я правильно понимаю, я ничего не могу сделать с Modality, но в случае Photomertic Interpretation я изменил RGB рентгеновские лучи на grayscale, унифицировал их все и обратил MONOCHRMOE1 значения пикселей:
pixel_data = dicom.pixel_array
pi = dicom['PhotometricInterpretation'].value
if pi == 'RGB':
pixel_data = rgb2gray(pixel_data)
pixel_data = (pixel_data - pixel_data.min()) / (pixel_data.max() - pixel_data.min())
if pi == 'MONOCHROME1':
pixel_data = np.abs(1 - pixel_data)
После этого я применил алгоритм CLAHE к каждому из них. 3 образца изображения (CR-RGB, DX-MONO2, CX-MONO1) до и после предварительной обработки выглядят так:
Последний шаг перед моделированием вырезать тазобедренные суставы из рентгеновских лучей, потому что все изменения, которые я пытаюсь предсказать, расположены в небольшой области, так что мне не нужен весь рентгеновский снимок (я планирую построить модель локализации для нахождения границ коробки тазобедренного сустава и классификация моделей для внесения изменений в дополнение к этому). 3 образца тазобедренных суставов (CR-RGB, DX-MONO2, CX-MONO1) после разрезания выглядят следующим образом:
Мои вопросы:
- Что-то не так с моими шагами предварительной обработки?
- Должен ли я что-то добавить к предварительной обработке?
Я впервые работаю с DICOM, и любая помощь будет оценили.