基于3d slicer开发医学图像标注插件

基于3d slicer开发医学图像标注插件

3d slicer是一款开源的医学图像处理软件，它基本上集成了医学图像处理的所有功能，包括重建、分割、配置、分析、实时导航等功能。3d slicer是基于ITK、VTK、DCMTK、CTK、QT等开发的，以插件的方式实现医学图像的处理分析功能，提供了C++、Paython、CLI的程序开发接口。我们通过编译源码，采用C++实现了一个医学图像标注插件。该标注插件实现了DICOM信息的导出、PACAS诊断信息的录入、标注信息的录入、自动生成XML格式的标注文件以及标注文件的解析。它主要应用于乳腺图像和肺结节图像的标注，为医学图像数据集的收集提供更加简单、快捷的标注工具，自动生成标签文件。立方体感兴趣区域标示出病灶的边界，得到病灶的中心位置和半径，适用于二维和三维图像的标注，这样的标注模式更加适用于深度学习算法数据集的标注。标注信息文件采用XML格式，使得在不同平台上的数据交换和共享成为可能。

该插件各个模块的功能如下：

1、DICOM信息的导出

选择对应ID的病人、检查以及图像系列，自动导出相应的病人信息和图像信息。

2、PACAS信息的录入

对应PACAS诊断报告，人工录入PACAS诊断信息。包括图像的敏感性、实质分类、BIRADS分类以及病理学结果。

3、标注信息的录入

使用3d slicer软件已经实现的ROI工具标示出病灶的边界，使用Ruler工具测量病灶的大小，并将其自动的更新到标注记录里。一条标注记录包含了病灶的数目、大小、形状、分布以及位置等信息，一幅图像存在多处病灶时，一处病灶对应一条标注记录，通过点击增加按钮可以自动添加多条记录。

4、标注文件的生成、保存和解析

输入相应的病例编号，点击导出按钮选择导出标注文件的路径，自动生成XML格式的标注文件。点击导入按钮将自动解析标注文件，并将标注信息显示在界面上。

5、图像分割

解析标注文件，得到病灶的位置信息，并将其显示为对应的ROI，采用 3d slicer中的crop volume插件即可实现图像块的分割，该图像块即可组成图像检查算法和诊断算法的数据集。

总结：

该插件采用立方体感兴趣区域标示出病灶边界，这种标注模式适用于多目标分布式病灶的标注，也更适用于深度学习算法数据集的标注。对于需要精确分辨病灶边界的图像标注，例如肿块，可以采用3d slicer中的edit插件，精确的勾画出病灶的边界，得到label图像，标注插件根据label图像，对原图像进行像素级的标注，即标注出原图像病灶区域中像素的坐标。

       我们后期将会在github上公开相应的源码，也会向3d slicer官方申请对该插件的发布，以便于同行能够下载和使用它。