[原创] 《深度学习与医学图像处理》阅读分享二

阅读分享二——几个常见的，且医学图像所用到的，成像原理以及常见格式

本节主要解释几个检测的原理，以及dicom的组成和结构。

一、常见的医学图像数据

首先本书以X线检查、磁共振检查、超声检查等为例

1、先是X射线的成像原理：

• 当其通过人体时，密度高的部位吸收X线多，密度低的部位吸收X线少，投照到特殊的感光胶片时，表现为：密度高的部位呈现白色，密度低的部位呈灰或黑色。由此可以得到X线片，这个就不放图了，网上随便找一个x光片看看就行了，可以明显看到人体骨骼，也就是密度高区域，是很明显的白色，而对于平时低密度的部位，如果出线了明显白色，那么说明那个部位密度变高了，也就是有可能出现了病变。
• 当然这种方法不是通用的，对于一部分部位，需要对比剂，也就是注射造影剂来进行造影检查。
• 然后这里第一个成像，提到了计算机体层成像，也就是CT，上一节有提到过，他有一个便于理解的对比点：CT不同于x线的地方是，用x线对人体进行厚度扫描，然后再由计算机计算后，以不同的灰度显示出来。也就是逐层显示，这里这个知识我确实不了解，还专门去搜了一下，这里放一篇别的博主发的文章，里面比较详细的提到了CT的具体内容算法等等：章节一: CT (computed tomography) 计算机断层扫描 - 知乎 (zhihu.com)。其实比较简单的理解就是从2D变成了3D，但是仍是2维展示，但是通过灰度来显示3D数据，有点像地图上的等高线吧，我也忘记那个叫什么图了，就是地图上，通过不同颜色来显示海拔高度，是一个道理。

2、第二个成像是磁共振成像：

• 其原理比较复杂，但是简单解释就是，人体置于特殊的磁场时，用无线电射频脉冲激发人体内氢原子核，引起氢原子核共振，并吸收能量。在停止射频脉冲后，氢原子核按特定频率发出射电信号，并将吸收的能量释放出来，被体外的接受器收录，经电子计算机处理获得图像，这就叫做核磁共振成像。
• 然后是MRI图像，在氢原子恢复原始状态的这个过程所需的时间，叫弛豫时间,分为纵向时间T1和横向时间T2，对这两个进行采集，编码和计算后，得到的就是图像了。这里面以一个脑脊液的加权成像为例，有些学术词我也不是很清楚，但是简单的描述这个过程就是：T1和T2在一个组织内的时间会不一样，进而影响加权成像，同时通过其他方法，如水抑制T2成像可以让脑脊液信号减弱，有利于其余病变区域的显示；还有磁敏感加权等等，这里只是据举例，大概了解就行。
• 然后MRI同时也可用于血管成像，一般叫MRA，分为两类，一个是不需要对比剂的普通MRA，一个是要对比剂来显示小血管。

3、第三个成像为超声成像：

• 主要是声波的物理特性来进行检查，包含反射、折射、散射、衍射等等。我这里举个我个人的理解+比较简单的例子来解释，比如一个正常人的喉咙，若没有感冒，此时声带发出的声音是直接从里面正常传出来的，要是感冒或者等等病症导致喉咙发炎，他肿了，那么声音通过大概是会有个阻碍的过程，导致声音变化，这个例子可能比较抽象，不太符合波的这个体现，那么更简单的理解就是，假如身体有个肿瘤或者硬块，本来声波正常过的时候是没什么的，有病变后，声波经过他衰减了，那么最后仪器测试的数据就是不符合正常情况。
• 上述例子只是理解，实际定义为：声波经过组织器官等后产生了衰减，这些衰减信息经过接收放大处理后就得到了最后的声像图。
• 然后现在超声检查主要分为ABMD四个类型，A是一维声波，B是二维声波，M是当前最常用的，是基于B的二维上加了个慢扫描波，然后D就是多普勒超声。
• 最后还补充了一个心电图，这个比较简单，我就不解释了，感兴趣的搜一搜就知道了。

二、常见的影像格式

首先是几个常见的格式：DICOM、Analyze、Nifti、Minc，目前DICOM和NIFTI是实用最广的。

1、DICOM：这个目前一般用于射线照相、超声检查、CT、MRI等

• 首先他的数据集是多个数据元素合到一起的，每个数据元素又细分为：标签、元素值类型、元素值长度、元素值域。
• 数据元素又可以分为3类，首先都包括标签、元素值长度、元素值域，然后不同的地方在于元素值类型，有两个是有这个的，叫显式VR，第三个是没有的，叫隐式VR，前两个区别在于元素值长度的表达方式不同。
• 这个数据集肯定是很多个数据元素合到一起的，这里有一个标准就是显式和隐式不能一起用，即不能嵌套。
• 然后本书以一个python的例子解析了dicom，我这边就不放出了，后续需要补充我再加吧。

2、Analyze

这个格式包括两个二进制文件，一个img的数据文件，包括像素，一个是元数据头文件，因为其不支持无符号16为格式等其他缺陷，现在基本已经被nifti取代，这个了解了解就行。

3、Nifti

这个其实就是analyze的进化版，他不仅有那两个文件，还支持无符号16位数据格式，还可以区分左右结构，这个也是了解了解就行，书上也没多讲。

4、Minc

其有两个版本，一个Minc1，一个Minc2，1已经停止维护，现在Minc2基于HDF5，这个也没有细说，了解了解即可，感兴趣的可以查查看，目前主流还是DICOM和Nifti。

上述为本节内容，后续应该就会在pycharm上面试试看代码和学习医学图像处理算法的内容了

原来超声成像是声波经过组织器官等后产生了衰减，这些衰减信息经过接收放大处理后就得到了最后的声像图，