普拉提

Python 医学影像处理库和分析工具包

PlatiPy 是一个用于图像处理和分析的惊人工具库 - 专为医学成像而设计！

查看PlatiPy 文档了解更多信息。

这个项目的动机是需要一种简单的方法来使用、可视化、处理和分析医学图像。许多工具和算法是在放射治疗的背景下设计的，尽管它们更广泛地适用于使用 2D、3D 或 4D 成像的其他领域。

PlatiPy 是用 Python 编写的，并使用 SimpleITK、VTK 和标准 Python 库。尽可能提供 Jupyter 笔记本，主要用于指导如何开始使用这些工具。我们欢迎来自社区的反馈和贡献（是的，你！），您可以在此处找到有关贡献的更多信息。

我可以用platipy做什么？

很多！一个好的起点是查看 示例目录。

PlatiPy 可以做的一些例子：

• DICOM 组织和转换：
  • 使用单一功能从多个系列和研究批量转换
  • 将 DICOM-RT 结构和剂量文件转换为 NIfTI 图像
  • 从二进制掩码（例如自动轮廓算法）创建 DICOM-RT 结构文件
• 图像配准
  • 用几行代码注册图像和转换标签
  • 线性变换：刚性、仿射、相似
  • 非线性可变形变换：恶魔、b 样条
  • 多项优化指标
• 基于图集的分割
  • 一套开箱即用的工具
  • 包括用于迭代图集选择和 血管样条的高级算法
• 合成变形场生成
  • 模拟解剖学上逼真的移位、扩展和弯曲
  • 比较临床系统的 DIR 结果
• 图像处理和分析的基本工具
  • 计算标签相似度指标：DSC、平均距离、Hausdorff 距离等
  • 将图像裁剪到感兴趣的区域
  • 旋转图像并生成最大/平均强度投影（光束眼视图建模）

这个包的一个主要部分是可视化，一些例子如下所示！

可视化一些轮廓

from platipy.imaging import ImageVisualiser

vis = ImageVisualiser(image)
vis.add_contour(contours)
fig = vis.show()

注册一些图像

from platipy.imaging.registration.linear import linear_registration

image_2_registered, tfm = linear_registration(
image_1,
image_2
)

vis = ImageVisualiser(image_1)
vis.add_comparison_overlay(image_2_registered)
fig = vis.show()

计算变形向量场

from platipy.imaging.registration.deformable import fast_symmetric_forces_demons_registration

image_2_deformed, tfm_dir, dvf = fast_symmetric_forces_demons_registration(
image_1,
image_2_registered
)

vis = ImageVisualiser(image_2_deformed, axis="z")
vis.add_vector_overlay(
    dvf,
    subsample=12,
    arrow_scale=1,
    arrow_width=2,
    colormap=plt.cm.magma,
    name="DVF magnitude [mm]",
    color_function="magnitude"
)
fig = vis.show()

入门

没有太多要求，只需安装一个 Python 解释器（3.6 或更高版本）。所需 Python 包的列表可以在 requirements.txt 中找到。

PlatiPy 可以使用pip安装：

pip install platipy

作者

• 菲利普·克拉普- phillip.chlap@unsw.edu.au
• 罗伯特·芬尼根- robert.finnegan@sydney.edu.au