医疗图像解析
Dicom
后缀： .dcm、.DCM
Dicom中规定的坐标系是以人坐标系为绝对坐标系的，规定X轴正向指向病人的左侧，Y轴正向指向病人的背部，Z轴正向指向病人的头部。但是，坐标点的位置，每个厂商都有自己的看法
下图展示了成像过程中对应的坐标系
成像坐标系
三视图
图片信息中的Tag说明 在DICOM中，是通过Image Position和Image Orientation来描述当前的图像和人体坐标系的相对位置的。 解析举例
代码语言：javascript复制import dicom
import pylab
import os
dcm_img_base_url = "/home/fan/datas/dcmFile"
ds = dicom.read_file(os.path.join(dcm_img_base_url, "N2D_0020.dcm"))
print("图片中存在的属性： ", ds.dir("pat"))
print("病人方位： ", ds.PatientOrientation)
# 以下两个属性标签描述图像位置信息
print("图像病人方向： ", ds.ImageOrientationPatient)
print("图像病人位置： ", ds.ImagePositionPatient)
# CT矩阵
pix = ds.pixel_array
# 打印图片
pylab.imshow(pix, cmap=pylab.cm.bone)
pylab.show()
ds1 = dicom.read_file(os.path.join(dcm_img_base_url, "N2D_0140.dcm"))
pix1 = ds1.pixel_array
pylab.imshow(pix1, cmap=pylab.cm.bone)
pylab.show()以上使用的图片为ADNI数据集中的一个.nii图像转换为Dicom图像后的一个图片
图片中存在的部分信息为
ImageOrientationPatient: ['1', '-2.18345624778243e-11', '0', '2.1834562200241e-11', '1', '2.1834562200241e-11']
ImagePositionPatient: ['-101.501693725586', '-141.694915766789', '-90.989616394043']
之后我们需要使用这两个量来进行定位线的计算，VR，MPR的空间计算
这两个量使用的空间坐标系
原始坐标系为O，O1坐标系绕z轴以O系统的基础上旋转了θ的一个角度，我们可以把这个矩阵记录为
通过一系列这样的变换，我们可以得到最终的变换矩阵为
把T记为
我们的图像是一个2维的量，由于当前图像像素点的z方向坐标相对于当前图像的坐标系的值都为0，当前图像的坐标点可以用(x,y,0)的向量来表示，表示在齐次坐标方式就为（x,y,0,1），那么，这时想要计算出图像上的某个点相对于原始坐标系的坐标，就直接和转换矩阵T相乘即可，记为
Image Orientation的6个量就显而易见为
Image Position中的三个量为
