批量读取dicom数据 to array类型（（多标签融合）））

file_name = ["portalvein", "venoussystem", "venacava"]
def read_dicom(path):
    lstFileDCM = []
    for dirName, subdirList, fileList in os.walk(path):
        n = len(fileList)
        # print("n:", n)
        for i in range(n):
            filename = fileList[i]

            idx = filename.split("_")[-1]
            filename = filename.replace(str(idx), str(i))

            lstFileDCM.append(os.path.join(dirName, filename))

    # 读取第一张dicom图片
    RefDs = pydicom.read_file(lstFileDCM[0])
    # 得到dicom图片所组成3D图片的维度
    ConstPixelDims = (int(RefDs.Rows), int(RefDs.Columns), len(lstFileDCM))
    print("ConstPixelDims:", ConstPixelDims)
    # (512,512,74)【这是我的一张示例图片输出的结果】

    # 得到x方向和y方向的Spacing并得到z方向的层厚
    ConstPixelSpacing = (float(RefDs.PixelSpacing[0]), float(RefDs.PixelSpacing[1]), float(RefDs.SliceThickness))
    # (0.742187976837158, 0.742187976837158, 2.5)【这是我的一张示例图片输出的结果】

    # 得到图像的原点
    Origin = RefDs.ImagePositionPatient
    # [0, 0, 0]【这是我的一张示例图片输出的结果】

    # 根据维度创建一个numpy的三维数组，并将元素类型设为：pixel_array.dtype
    ArrayDicom = np.zeros(ConstPixelDims, dtype=RefDs.pixel_array.dtype)

    # 遍历所有的dicom文件，读取图像数据，存放在numpy数组中
    i = 0
    for filenameDCM in lstFileDCM:
        ds = pydicom.read_file(filenameDCM)
        ArrayDicom[:, :, lstFileDCM.index(filenameDCM)] = ds.pixel_array
        # 将文件按照png的格式写进当前目录
        # cv2.imwrite(os.path.join(png_path, "out_" + str(i) + '.png'), ArrayDicom[:, :, lstFileDCM.index(filenameDCM)])
        i += 1

    # 对numpy数组进行转置，即把坐标轴(x,y,z)变换为(z,y,x)，这样是dicom存储文件的格式，即第一个维度为z轴便于图片堆叠
    ArrayDicom = np.transpose(ArrayDicom, (2, 0, 1))
    return ArrayDicom,ConstPixelSpacing,Origin

具体将array转换成nii文件，看我的github

github

GitHub.