LUNA16数据集（二）肺结节可视化

在检测到肺结节后，还需要可视化，这样才能为诊断服务。

我使用的项目地址为：https://github.com/wentaozhu/DeepLung

项目基于论文：DeepLung: Deep 3D Dual Path Nets for Automated Pulmonary Nodule Detection and Classification

该项目论文地址为：https://arxiv.org/abs/1801.09555

检测出肺结节可疑区域后，将其在原始CT图像上展示出来，原理比较简单，就是找出肺结节对应的切片，并圈出结节。贴下代码

首先是读取原始CT数据，需要sitk包，读取的filename是.mhd格式，里面包含CT图像的信息，不过数据其实在同名的.raw文件。

itkimage = sitk.ReadImage(filename)#读取.mhd文件
numpyImage = sitk.GetArrayFromImage(itkimage)#获取数据，自动从同名的.raw文件读取

之后，将其传入下面的函数，ct_scan就是上面的numpyImage。

def show_nodules(ct_scan,nodules,radius=20,pad=5,max_show_num=3):#radius是正方形边长一半，pad是边的宽度,max_show_num最大展示数
    
    show_index = []
    for idx in xrange(nodules.shape[0]):#lable是一个nx4维的数组，n是肺结节数目，4代表x,y,z,以及直径
        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代表纵轴，x代表横轴
            data[max(0,y-radius):min(data.shape[0],y+radius), max(0,x-radius-pad):max(0,x-radius)] = 3000#竖线
            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#竖线
            data[max(0,y-radius-pad):max(0,y-radius), max(0,x-radius):min(data.shape[1],x+radius)] = 3000#横线
            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#横线

            if z in show_index:#检查是否有结节在同一张切片，如果有，只显示一张
                continue
            show_index.append(z)
            plt.figure
            plt.imshow(data,cmap='gray')
        
    plt.show()

需要强调的是，检测出的肺结节有不止一个，分布于不同切片，有些结节位于同一张切片，一般来讲，单个CT的肺结节数不会超过三个，所以只展示可能性最高的三个就应该够了。

此处可视化的办法是直接修改像素值，其它方法我还没有试过，相信只要能画出线条就可以。

结果展示

 

论文官方也给出了展示demo，不过略有不同，官方展示的是预处理后的切片，肺结节的位置自然也是与之对应，展示一下

LUNA16切片的大小统一为512X512，预处理后的尺寸明显不同了。