如何使用RAD-ChestCT的NPZ文件并转换为DICOM/Pydicom格式

NPZ是numpy的压缩数组格式，加载和使用步骤如下：

• 导入numpy库并加载NPZ文件：

  import numpy as np
  data = np.load("your_dataset_file.npz")
  

• 查看文件内包含的数组键名（通常会有image、label这类键）：

  print(data.files)
  

• 提取CT扫描数据数组：

  ct_scan = data["image"]
  # 数组维度一般为 (切片数, 图像高度, 图像宽度)，即 (z, y, x)
  

• 用matplotlib快速查看任意切片：

  import matplotlib.pyplot as plt
  plt.imshow(ct_scan[50], cmap="gray")  # 查看第51个切片（索引从0开始）
  plt.show()
  

DICOM不仅包含像素数据，还需要完整的元数据（扫描参数、患者信息等），需构建DICOM模板后填充数据：

1. 安装依赖：

   pip install pydicom numpy
   

2. 完整转换代码示例（可根据医院DICOM的参数调整元数据）：

   import numpy as np
   import pydicom
   from pydicom.uid import generate_uid
   from pydicom.dataset import Dataset, FileMetaDataset
   
   # 加载NPZ中的CT数据
   npz_data = np.load("rad-chestct.npz")
   ct_array = npz_data["image"].astype(np.int16)  # 转换为DICOM常用的int16类型
   num_slices, height, width = ct_array.shape
   
   # 构建DICOM文件元数据
   file_meta = FileMetaDataset()
   file_meta.MediaStorageSOPClassUID = "1.2.840.10008.5.1.4.1.1.2"  # CT图像标准SOP类UID
   file_meta.MediaStorageSOPInstanceUID = generate_uid()
   file_meta.ImplementationClassUID = generate_uid()
   file_meta.TransferSyntaxUID = pydicom.uid.ImplicitVRLittleEndian
   
   # 构建基础数据集模板
   base_ds = Dataset()
   base_ds.file_meta = file_meta
   base_ds.is_little_endian = True
   base_ds.is_implicit_VR = True
   base_ds.StudyInstanceUID = generate_uid()
   base_ds.SeriesInstanceUID = generate_uid()
   base_ds.PatientName = "Anonymous"
   base_ds.PatientID = "RAD-ChestCT-001"
   base_ds.Modality = "CT"
   base_ds.Rows = height
   base_ds.Columns = width
   base_ds.SamplesPerPixel = 1
   base_ds.PhotometricInterpretation = "MONOCHROME2"
   base_ds.BitsAllocated = 16
   base_ds.BitsStored = 12
   base_ds.HighBit = 11
   base_ds.PixelRepresentation = 1  # 有符号整数（对应HU值）
   base_ds.SliceThickness = 1.0  # 可根据实际扫描参数调整
   base_ds.SpacingBetweenSlices = 1.0
   base_ds.ImageOrientationPatient = [1.0, 0.0, 0.0, 0.0, 1.0, 0.0]
   
   # 逐个切片生成DICOM文件
   for slice_idx in range(num_slices):
       ds = base_ds.copy()
       ds.SOPInstanceUID = generate_uid()
       ds.InstanceNumber = slice_idx + 1
       # 调整Z轴位置（根据切片厚度计算）
       ds.ImagePositionPatient = [0.0, 0.0, slice_idx * base_ds.SliceThickness]
       # 填充像素数据
       ds.PixelData = ct_array[slice_idx].tobytes()
       # 保存单个DICOM文件
       ds.save_as(f"ct_slice_{slice_idx+1}.dcm", write_like_original=False)
   

   注意：元数据（如SliceThickness、SpacingBetweenSlices）建议参考你使用的医院DICOM参数设置，确保和测试/验证数据的格式一致。

使用nibabel库可以快速完成转换，步骤如下：

1. 安装依赖：

   pip install numpy nibabel
   

2. 转换代码示例：

   import numpy as np
   import nibabel as nib
   
   # 加载NPZ数据
   npz_data = np.load("rad-chestct.npz")
   ct_array = npz_data["image"]
   
   # 构建affine矩阵（定义图像空间坐标，可根据实际扫描参数调整）
   # 示例：若x/y方向像素间距0.5mm，z方向切片厚度1mm，可设置：
   # affine = np.diag([0.5, 0.5, 1.0, 1.0])
   affine = np.eye(4)  # 若无精确参数，可用单位矩阵
   
   # 创建并保存NIfTI文件
   nifti_img = nib.Nifti1Image(ct_array, affine)
   nib.save(nifti_img, "rad-chestct.nii.gz")
   

内容的提问来源于stack exchange，提问作者Bonaventura RS