深度学习下医学图像分析(四).docx

优秀文档 优秀文档 PAGE PAGE7 优秀文档 PAGE 深度学习下的医学图像剖析（四） 本周内（停止至7月23日晚24点）本民众号本周发布的所有文章，留言获赞最多者AI研习社送西瓜书（《机器学习》周志华）一本AI研习社按：本文由图普科技编译自 MedicalImageAnalysiswithDeepLearningPart4》，是最近 发表的《深度学习下的医学图像剖析（三）》的后续文章。对与深度学习有关的医疗保障工作而言，2017年的“Nvidia GTC大会” 绝对是一个绝佳的信息根源。在大会上，有诸 如IanGoodFellow和JeremyHoward的深度学习专家分享了他们对深度学习的看法；另有一些顶级医学院（比方西奈 山医学院、纽约大学医学院、麻省综合医院等）和Kaggle在 大会上介绍他们的建模战略。在上一篇文章中，我们讨论了深度学习有关的基本内容。本文，我们将关怀于医学图像及其格式。本文分为三个部分——医学图像及其组成、医学图像格式和医学图像的格式变换。本文期盼通过对深度学 习的有关知识的介绍，最终到达医学图像剖析的目标。 医 学图像及其组成由MicheleLarobina和LoredanaMurino发表的论文，对本文将要睁开的议论来说是一个很好的信息 参照。MicheleLarobina和LoredanaMurino二人是意大利“生物架构和生物成像协会”（IBB）的成员。IBB是意大利“国家研究委员会”的组成部分，同时也是意大利最大的 公共研究机构。我们的另一个参照信息资源是一篇题为 《WorkingwiththeDICOMandNIfTIdatastandardsinR 》的 论文。什么是医学图像？ 医学图像是反应解剖地区内部结 构或内部功效的图像，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修产 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绘某一成像设施下的医学成像的， 同时也是描绘解剖及其功效细节的一种表达形式。像素所表 达的详细数值是由成像设施、成像协议、影像重修以及后期 加工所选择的。医学图像的组成医学图像组成 医学图像有 四个重点成分——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辩率有关。 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。 比方说，一个 8比特的光栅能够有 256个从 0到255数 值不等的图像深度。 “光度表示” 解释了像素数据怎样以 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 观点。单色图像惟有一个 “每像素采样”，而且图像中没有 色彩信息。图像是依赖由黑到白的灰阶来显示的，灰阶的数 目很显著取决于用来储藏样本的比特数。在这里，灰阶数与 像素深度是一致的。医疗喷射图像，比方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， 比方正电子发射断层图像（ PET）和单光子发射断层图像 SPECT），每每都是以彩色映射或调色板来显示的。“元数据”是用于描绘图形象的信息。它也许看起来会比较奇 怪，然而在任何一个文件格式中，除了像素数据之外，图像 另有一些其他的有关信息。这样的图像信息被称为 “元数 据”，它每每以“数据头”的格式被储藏在文件的开头， 涵盖了图像矩阵维度、空间分辩率、像素深度和光度表示等 信息。“像素数据” 是储藏像素数值的位置。根据数据类 型的不同，像素数据使用数值显示所需的最小字节数，以整 点或浮点数的格式储藏。 图像大小=数据头大小（包括元 数据）+行数栏数* 像素深度*（图像帧数） 医学图像 格式喷射图像有6种主要的格式，分辩为 DICOM（医学 数字成像和通讯）、NIFTI（神经影像信息技术）、PAR/REC Philips磁共振扫描格式）、ANALYZE（Mayo医学成像）、 NRRD（近原始栅格数据）和MNIC。2017年5月的医学图像格式在上图的五个格式中，DICOM和NIFTI是接受度最高的。DICOM格式的基本内容DICOM表示“医学 数字成像和通讯”。DICOM  是由 “美国国家电气制造商协 会”（NEMA）发布的规范，这一规范规范了医学成像的管理、 储藏、打印和信息传输，这些都是扫描仪或医院 “医疗影 像储传系统”（PACS）中的文件格式。 DICOM 包括了一个 文件格式和一个网络通讯协议，个中的网络通讯协议是医疗 实体间使用 TCP/IP进行交流的一个规范和准则。 一个 DICOM 文件由一个数据头和图像数据组成的。数据头的大 小取决于数据信息的多少。数据头中的内容包括病人编号、 病人姓名等等。同时，它还选择了图像帧数以及分辩率。这