def findContours(path,isPlot=False): dcmSOPs = findSOPs(path) #path,rtFile = os.path.split(rvFileName) paths = list(map(str,path.split("\\"))) patient = paths[3] time = paths[4] rvFile = path+'\\RS.{}'.format(patient)+'.CT_{}%.dcm'.format(time) ds = pydicom.dcmread(rvFile) contours = ds.ROIContourSequence dcmFile = path+'\\CT.{}'.format(patient)+'.Image {}.dcm'.format(str(int(1))) ds = pydicom.dcmread(dcmFile) dcmOrigin = ds.ImagePositionPatient dcmSpacing = ds.PixelSpacing # GTV 为第二个轮廓 numberOfContours = len(contours[1].ContourSequence) cuts = [] # 找出包含GTV的CT minXY = 600 maxXY = -1 for k in range(0,numberOfContours): rfContent = contours[1].ContourSequence[k] # 读取该靶区所在CT切片的信息 dcmUID = rfContent.ContourImageSequence[0].ReferencedSOPInstanceUID #print(numberOfContours,len(dcmSOPs),dcmUID) #print(k,dcmSOPs.index(dcmUID)) cuts.append(dcmSOPs.index(dcmUID)) numberOfPoints = rfContent.NumberOfContourPoints # 该层靶区曲线点数 conData = np.zeros((numberOfPoints,3)) # 存储靶区曲线各点的世界坐标 pointData = np.zeros((numberOfPoints,2)) # 存储靶区曲线各点的网格体素坐标 #将靶区勾画的曲线坐标由世界坐标系转换为网格体素坐标 for jj in range(0,numberOfPoints): ii = jj*3 conData[jj,0] = rfContent.ContourData[ii+0] #轮廓世界坐标系 conData[jj,1] = rfContent.ContourData[ii+1] conData[jj,2] = rfContent.ContourData[ii+2] pointData[jj,0] = round( (conData[jj,0] - dcmOrigin[0])/dcmSpacing[0] ) #轮廓X坐标 pointData[jj,1] = round( (conData[jj,1] - dcmOrigin[1])/dcmSpacing[1] ) #轮廓Y坐标 minX = np.min(pointData[:,0]) maxX = np.max(pointData[:,0]) minY = np.min(pointData[:,1]) maxY = np.max(pointData[:,1]) if minXY>minX: minXY = minX elif minXY>minY: minXY = minY elif maxXY<maxX: maxXY = maxX elif maxXY<maxY: maxXY = maxY #print('minXY={}'.format(minXY),'maxXY={}'.format(maxXY)) cuts = np.array(cuts) writeToFile(cuts,path+'\\GTV_indexs.txt') return minXY,maxXY,cuts
时间: 2023-12-20 14:06:13 浏览: 30
这段代码是用于在一个 DICOM 数据集中找到包含某个轮廓的 CT 切片,并将这些切片的索引写入文件中。其中,输入参数 `path` 是 DICOM 数据集的路径,`isPlot` 参数表示是否需要画出 CT 切片和轮廓,函数返回值是一个元组,包含了所有包含轮廓的 CT 切片的最小和最大索引,以及这些 CT 切片的索引列表。
具体实现上,该函数首先通过 `findSOPs()` 函数找到 DICOM 数据集中所有的 SOPInstanceUID,然后读取包含轮廓的靶区的信息,找出这些轮廓所在的 CT 切片的索引,并计算出所有 CT 切片的尺寸范围。最后,将包含轮廓的 CT 切片的索引写入文件中。
相关问题
minXY = 600 maxXY = -1 if isPlot==True: plt.figure(figsize=(20,3)) for k in range(0,numberOfContours): rfContent = contours[labelID].ContourSequence[k] dcmUID = rfContent.ContourImageSequence[0].ReferencedSOPInstanceUID cuts.append(dcmSOPs.index(dcmUID)) numberOfPoints = rfContent.NumberOfContourPoints conData = np.zeros((numberOfPoints,3)) pointData = np.zeros((numberOfPoints,3))
这段代码主要是用来读取轮廓数据并计算出其中的切片(cuts)。具体来说,它通过循环遍历每个轮廓,然后获取该轮廓所在的切片(dcmUID)并将其添加到cuts列表中。接下来,代码中读取每个轮廓的顶点数据,其中包括顶点的坐标信息和点的数量。最后,将顶点数据存储在conData和pointData数组中以备后续使用。如果需要在图像上绘制轮廓,则还会计算最小和最大的XY坐标,并将其用于设置绘图的尺寸。
def getBreathingCurve(vxpPath,scanTimes,isplot=0): #读取vxp文档的信息 with open(vxpPath, 'rb') as f: num = 0 amplitudes=[] phases=[] timestamps=[] ttlins=[] marks=[] for line in f: num += 1 if num>=11: line = line.strip() line = str(line, encoding = "utf8") #print(line) line = line.split(',') amplitudes.append(float(line[0])) phases.append(line[1]) time = line[2] if len(time)<4: ms = int(time) s = 0 else: ms = int(time[len(time)-3:]) s = int(time[0:len(time)-3]) timestamps.append(s+ms/1000) # unit [s] ttlins.append(int(line[4])) marks.append(line[5]) amplitudes = np.array(amplitudes) timestamps = np.array(timestamps) ttlins = np.array(ttlins) marks = np.array(marks) indexP = np.where( marks=='P')[0] indexZ = np.where( marks=='Z')[0] if len(indexP)>len(indexZ): indexP=indexP[0:len(indexZ)] else: indexZ=indexP[0:len(indexP)] #print(amplitudes[indexP].tolist()) # 计算base line,使振幅均值为0 baseZ = np.average((amplitudes[indexP]+amplitudes[indexZ])/2) print('baseZ = {}'.format(baseZ)) amplitudes = np.array(amplitudes) amplitudes = amplitudes - baseZ if isplot==1: plt.figure(figsize=(20,5)) plt.plot(timestamps,amplitudes,'k') index = np.where( ttlins==0)[0] if isplot==1: plt.plot(timestamps[index].tolist(),amplitudes[index].tolist(),'b') plt.plot(timestamps[indexP].tolist(),amplitudes[indexP].tolist(),'go') plt.plot(timestamps[indexZ].tolist(),amplitudes[indexZ].tolist(),'yo') amplitudesA=np.zeros(scanTimes.shape) for i in range(0,scanTimes.shape[0]): for j in range(0,scanTimes.shape[1]): distance = abs(scanTimes[i,j]-timestamps) index = [np.argmin(distance)] amplitudesA[i,j] = amplitudes[index[0]] #timestamps1.append(timestamps[index[0]]) #amplitudes=amplitudes1 #timestamps=timestamps1 if isplot==1: plt.plot(scanTimes[i,:],amplitudesA[i,:],'r.') if isplot==1: plt.show() return amplitudesA
这是一个Python函数,用于读取vxp文档中的信息,并计算出相应的呼吸曲线。函数接受三个参数:vxpPath(vxp文档的路径),scanTimes(扫描时间)和isplot(是否绘制呼吸曲线图)。函数首先打开vxp文档,读取其中的振幅、相位、时间戳、TTL以及标记等信息。然后,函数计算出基线(base line),使得振幅均值为0。接下来,函数根据扫描时间计算出每个时间点对应的振幅值,并返回呼吸曲线。如果isplot参数为1,则函数还会绘制呼吸曲线图。