如何对头部CT的DICOM图像进行骨骼区域掩膜处理？

你当前的方法存在核心问题：直接用DICOM像素数组的数值（200）作为阈值是不准确的，因为DICOM文件里的pixel_array存储的是原始像素存储值，并非CT图像的标准HU（亨氏单位）值——水对应的0HU需要通过DICOM元数据转换得到，和像素数组里的0不是一回事。

正确步骤说明 #

1. 将像素值转换为HU值
   CT图像的HU值需要通过DICOM标签里的RescaleSlope（重新缩放斜率）和RescaleIntercept（重新缩放截距）计算，公式为：
   HU = 像素存储值 * RescaleSlope + RescaleIntercept
   这一步是必须的，只有HU值才能准确对应人体组织的密度（水=0HU，骨骼通常在200HU以上，皮质骨可达1000-3000HU）。

2. 设置HU阈值提取骨骼
   根据需求选择合适的HU阈值：

   • 若要包含松质骨和皮质骨，可使用HU > 200作为阈值
   • 若仅需提取高密度的皮质骨，可将阈值提高到HU > 1000

修正后的代码 #

import pydicom
import numpy as np

# 读取DICOM文件
dcm_img = pydicom.dcmread("0000200.dcm")
dcm_arr = dcm_img.pixel_array

# 获取HU转换参数
slope = dcm_img.RescaleSlope
intercept = dcm_img.RescaleIntercept

# 转换为HU值
hu_arr = dcm_arr * slope + intercept

# 生成骨骼掩膜：HU>200的区域保留原始值，其余设为0
masked_arr = np.where(hu_arr > 200, hu_arr, 0)

补充说明 #

• 如果你的DICOM文件没有RescaleSlope和RescaleIntercept标签（极少数情况），可以默认slope=1，intercept=0，但这种情况非常少见。
• 若需要更精准的骨骼分割，还可以结合形态学操作（比如膨胀、腐蚀）来去除噪声，或者使用专门的医学图像分割库（如SimpleITK、MONAI）。

内容的提问来源于stack exchange，提问作者kodhoi