Readme-配准.md

配准

Requirements

• os
• argparse
• json
• glob
• re
• pydicom == 2.3.0
• numpy == 1.22.4
• itk == 5.2.1.post1
• itk—elastix == 0.13.0
• torch == 1.13.0a0+d321be6

Overview

配准功能和其它深度学习模块并列，实现了对于数据集中同一病人的多个CT影像之间的配准功能，并且输出图像之间的检测框的匹配情况。

1. 首先筛选出同一个病人的多个影像图片，并根据tag：AcquisitionDateTime排序。
2. 配准功能只会在相邻的两个图像之间进行（将时间较早的影响作为fixed_image，时间较晚的图像作为moving_image），相关配准结果保存在pid-{}_elastix_step-{}文件夹下（pid-{}为该病人的tag：PatientID，step-1表示该病人的第一组相邻的图像）。
3. pid-{}_elastix_step-{}/match_results.json中保存了该病人的第{}组相邻的图像之间的检测框的配对情况。

{
    'matched': [[noudle1, matched_nodule1], [nodule2, matched_nodule2], ...],
    'missing': [],
    'new': []
}

• 'matched'表示匹配上的检测框。
• 'missing'表示出现在fixed_image上，而moving_image上没有出现的检测框。
• 'new'表示在moving_image上新出现的检测框。

4. 在匹配结果中，每一个检测框被表示为一个八维数组，如下所示：

# center为中心点坐标，diameter为长径，label_1为肺结节分类结果，label_2为结节良恶性分类结果
[center_x, center_y, center_z, diameter_x, diameter_y, diameter_z, label_1, label_2]

Usage

1. 在执行配准功能之前需要确保已经产生了所有影像的检测结果，并且存在.json文件。
2. 执行配准功能：

python ./elastix_processing.py -- job_data_root /path/to/job_data_root
                                              -- elastix_params_affine /path/to/affine_params
                                              -- elastix_params_bspline /path/to/bspline_params

• job_data_root，该参数的含义与深度学习任务相同。
• elastix_params_affine，配准中Affine方法的参数。
• elastix_params_bspline，配准中Bspline方法的参数。

3. 配准结果统一保存在/path/to/job_data_root/output/elastix中。