神經網絡推理3D醫學圖像之後的後處理

前言

在用神經網絡推理3D醫學圖像之後，可能會存在一些小塊的連通區域，不是我們想保留下來的預測結果，就需要把它們删掉。例如下圖，預測結果中有很多這種點，我希望把它們濾掉。

注意我這裡處理的是d,h,w的3D圖像，截圖隻展示了某一個截面的結果
           

代碼

# 後處理檔案，去除獨立的小點

import os
import SimpleITK as sitk
import numpy as np
import tqdm

def postProcessing(image,file_name,reseve_area_minvalue):
    """
    對标簽的後處理
    :param image: sitk image圖像
    :param reseve_area_minvalue: 保留下來的最小連通區域面積
    :return: None. 将處理後的檔案寫入本地
    """
    closingImage = sitk.BinaryMorphologicalClosing(image,[3,3,3])
    imageArray = sitk.GetArrayFromImage(image)

    ccFilter = sitk.ConnectedComponentImageFilter()
    ccFilter.SetFullyConnected(True)
    outputMask = ccFilter.Execute(closingImage)

    lssFilter = sitk.LabelShapeStatisticsImageFilter()
    lssFilter.Execute(outputMask)

    numConnectedLabel = ccFilter.GetObjectCount()

    # 連通域label從1開始，0表示背景
    areaLabels = []
    for i in range(1,numConnectedLabel+1):
        area = lssFilter.GetNumberOfPixels(i)
        if area>=reseve_area_minvalue:
            areaLabels.append(i) # 把這個塊區域的label存進去

    # print(len(areaLabels))
    npOutputMask = sitk.GetArrayFromImage(outputMask)
    resMask = np.zeros_like(npOutputMask).astype("uint8")
    for labelIndex in areaLabels:
        # print(labelIndex)
        resMask[npOutputMask==labelIndex] = imageArray[npOutputMask==labelIndex]

    outImage = sitk.GetImageFromArray(resMask)
    outImage.SetDirection(image.GetDirection())
    outImage.SetSpacing(image.GetSpacing())
    outImage.SetOrigin(image.GetOrigin())
    savePath = os.path.join(saveDir,file_name)
    sitk.WriteImage(outImage,savePath)

if __name__ == '__main__':
    workDir = r"I:\2023label_2\label"
    # workDir = "mergeThreeLabel"
    saveDir = r"I:\2023label_2\label2"
    fileNames = os.listdir(workDir)
    for fileName in tqdm.tqdm(fileNames):
        filePath = os.path.join(workDir,fileName)
        orgImage = sitk.ReadImage(filePath)

        postProcessing(orgImage,fileName,500)
        # input('zzz')

           

結果