Python 修改大量DICOM（.dcm）文件。
这也许是一个简单的问题，但我没有取得进展，希望得到帮助 我有一张422号的单子。在索引0中，有135个指向.dcm映像的文件路径。例如，索引1中的“~/images/0001.dcm”和“~/images/0135.dcm”有112个图像路径，索引2有110个路径，等等 所有图像的大小均为512 x 512。我希望将它们的大小重新调整为64 x 64 这是我第一次同时处理图像和.dcm数据，所以我很不确定如何调整大小。如果您愿意，我也不确定如何访问和修改“内部”列表中的文件 像这样的事情是不是太离谱了Python 修改大量DICOM（.dcm）文件。,python,nested-lists,dicom,cv2,Python,Nested Lists,Dicom,Cv2,这也许是一个简单的问题，但我没有取得进展，希望得到帮助 我有一张422号的单子。在索引0中，有135个指向.dcm映像的文件路径。例如，索引1中的“~/images/0001.dcm”和“~/images/0135.dcm”有112个图像路径，索引2有110个路径，等等 所有图像的大小均为512 x 512。我希望将它们的大小重新调整为64 x 64 这是我第一次同时处理图像和.dcm数据，所以我很不确定如何调整大小。如果您愿意，我也不确定如何访问和修改“内部”列表中的文件 像这样的事情是不是太
IMG_PX_SIZE = 64
result = []
for i in test_list:
result_inner_list = []
for image in i:
# resize all images at index position i and store in list
new_img = cv2.resize(np.array(image.pixel_array (IMG_PX_SIZE,IMG_PX_SIZE))
result_inner_list.append(new_img)
# Once all images at index point i are modified, append them these to a master list.
result.append(result_inner_list)
您似乎在为两个问题而挣扎：
- 访问文件路径
- 调整大小
IMG_PX_SIZE = 64
def resize(image):
# your resize code here similar to:
# return v2.resize(np.array(image.pixel_array(IMG_PX_SIZE,IMG_PX_SIZE))
pass
def read(path):
# your file read operation here
pass
big_list = [['~/images/0001.dcm','~/images/0135.dcm'],
['~/images/0002.dcm','~/images/0136.dcm']]
resized_images = [[resize(read(path)) for path in paths] for paths in big_list]
之后你想做什么？如果你像这样调整大小，你应该验证一些dicom字段，图像位置，像素间距等。。。我想最好的方法是在软件中重新打开dicom序列，如itk snap或slicer 3d等。。。并检查图像是否重叠。我不确定是否理解索引组织。为什么不能使用dicom标签对不同的序列进行排序？@p.deman感谢您的回复-数据是从医疗数据托管网站下载的。这是我第一次使用.dcm文件，所以我对格式的技术细节有点不确定。基本上，我有一个422大小的列表，代表422名患者。对于这些患者中的每一位，从他们的3d扫描到他们各自的.dcm文件都有大约90-140条路径。我正在培训一名CNN，希望将图像的大小从512 x 512调整到64 x 64。本质上，我有一个列表，每个索引中都有另一个DCM路径列表，我希望迭代打开并调整其大小。所有患者的所有文件都在同一文件夹中，或者每个患者都有子文件夹？如果所有文件都在同一个文件夹中，我建议先运行一次，以便根据标记正确分割序列。如果Dicom是匿名的，您可以使用标记：Series实例UID和研究ID。然后，您将为每个序列生成一个文件路径列表。要调整大小，如果重新保存为dicom文件，请不要忘记修改相应的dicom标记。例如行、列、像素间距，可能是图像位置，我认为cv2无法做到这一点。您可以始终使用您提到的“索引”，但这不是使用dicom时的“正确方式”。我们使用标签。@p.deman我不知道这一点。最终，将其保留为512X512格式并没有什么害处，但对我来说，这似乎相当大，例如，一名患者的大小可能为512 x 512 x 135（即，3d图像的135个切片）。对我来说，这对于训练神经网络来说似乎是相当大的。很好的发现。这正是我的两个问题。我现在就试试这段代码，看看能不能让它正常工作。谢谢，谢谢你的回答。我有一个关于你的代码的问题。在函数
def read（path）：对于路径中的路径]对于大列表中的路径，[[resize（read（path））对于路径中的路径]对于大列表中的路径]read（）resize（read（“~/images/0001.dcm”）assert