dicom 图像感兴趣区域内信噪比计算

在 DICOM 图像中，感兴趣区域（ROI）通常是通过定义一个矩形或圆形区域来指定的。计算 ROI 内的信噪比（SNR）可以通过以下步骤进行：

1. 确定 ROI 区域并提取像素值。
2. 计算 ROI 区域内像素值的平均值（μ）和标准差（σ）。
3. 计算信噪比（SNR）= μ / σ。

其中，μ 是 ROI 区域内像素值的平均值，σ 是 ROI 区域内像素值的标准差。

下面是一个示例 Python 代码：

import numpy as np
import pydicom

# 读取 DICOM 文件
ds = pydicom.dcmread("example.dcm")

# 定义感兴趣区域
x = 100
y = 100
width = 50
height = 50

# 提取 ROI 区域像素值
roi = ds.pixel_array[y:y+height, x:x+width]

# 计算平均值和标准差
mean = np.mean(roi)
std = np.std(roi)

# 计算信噪比
snr = mean / std

print("SNR: ", snr)

在这个示例中，我们首先使用 PyDICOM 库读取 DICOM 文件，并定义了一个矩形感兴趣区域。然后，我们提取了 ROI 区域的像素值，并计算了平均值和标准差。最后，我们计算了信噪比并打印出来。