LIDC-IDRI肺结节公开数据集Dicom和XML标注详解

发布时间：2020-12-16 00:04:10 所属栏目：百科来源：网络整理

导读：数据源数据源为LIDC-IDRI，该数据集由胸部医学图像文件(如CT、X光片)和对应的诊断结果病变标注组成。该数据是由美国国家癌症研究所(National Cancer Institute)发起收集的，目的是为了研究高危人群早期癌症检测。该数据集中，共收录了1018个研究实例。对于

数据源

数据源为LIDC-IDRI，该数据集由胸部医学图像文件(如CT、X光片)和对应的诊断结果病变标注组成。该数据是由美国国家癌症研究所(National Cancer Institute)发起收集的，目的是为了研究高危人群早期癌症检测。

　该数据集中，共收录了1018个研究实例。对于每个实例中的图像，都由4位经验丰富的胸部放射科医师进行两阶段的诊断标注。在第一阶段，每位医师分别独立诊断并标注病患位置，其中会标注三中类别：1) >=3mm的结节,2) <3mm的结节,3) >=3mm的非结节（官网描述： "nodule > or =3 mm," "nodule <3 mm," and "non-nodule > or =3 mm" 详见 Summary）。在随后的第二阶段中，各位医师都分别独立的复审其他三位医师的标注，并给出自己最终的诊断结果。这样的两阶段标注可以在避免forced consensus的前提下，尽可能完整的标注所有结果。

解析数据

1.图像矩阵像素信息

模块处理的数据为slicer rows cols大小的三维矩阵D。D中第z个切片y行x列的元素对应的位置为：(z rows cols+ y cols + x) sizeof(data_type) 。其中rows表示图像的行数，cols表示图像的列数，默认均为512，data_type代表数据类型，默认为short。

eg: 对于病例LIDC-IDRI-0001，即为133*512*512的矩阵，一共133张切片，每张大小512*512，依次按顺序存入二进制文件，每个像素大小为2字节（对应C中short类型）。

2.结节区域类型标注信息

第一行：

slicers rows cols data_type pixel_space_x pixel_space_y slice_thickness

slicer ：切片个数；
rows ：矩阵行数，默认512；
cols ：矩阵列数，默认512；
data_type ：数据类型标签。为以下枚举类型中的一种（默认SHORT_TYPE，4）：enum DATA_TYPE { CHAR_TYPE,UCHAR_TYPE,INT_TYPE,UINT_TYPE,SHORT_TYPE,USHORT_TYPE,FLOAT_TYPE,DOUBLE_TYPE }；
pixel_space_x ： x线列扫描步长，单位：毫米；
pixel_space_y ： x线行扫描步长，单位：毫米；
slice_thickness ： z轴扫描步长(即切片厚度)，单位：毫米。
其他行：

Type num x1 y1 z1 x2 y2 z2 … xi yi zi ... xn yn zn

Type： “1”表示”nodules”， “2”表示”small_nodules”，”3”表示”non_nodules”；
num：该行x,y,z数字的个数（由于一个点有三个坐标，所以num为3的倍数）；
Xi,Yi,Zi：该肺结节第i个点的空间坐标，Zi为切片序号；

3.文件结构

目前测试一共1012个病例数据，每个病例文件夹对应结构：

LIDC-IDRI-XXXX / Study Instance UID / Series Instance UID / .dcm .xml

XXXX : 从0000到1012；
Study Instance UID : 每个病例对应的检查实例号；
Series Instance UID ：不同检查对应的序列实例号；
.dcm ，.xml ： dicom图像和注释文件。

Dicom重要信息说明
eg : LIDC-IDRI-0001（GE MEDICAL SYSTEM公司）中000001.dcm如下：（详见 DICOM的常用Tag分类和说明）

(0008,0005) Specific Character Set              CS: 'ISO_IR 100'
(0008,0008) Image Type                          CS: ['ORIGINAL','PRIMARY','AXIAL']
(0008,0016) SOP Class UID                       UI: CT Image Storage
(0008,0018) SOP Instance UID                    UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.143451261327128179989900675595
(0008,0020) Study Date                          DA: '20000101'
(0008,0021) Series Date                         DA: '20000101'
(0008,0022) Acquisition Date                    DA: '20000101'
(0008,0023) Content Date                        DA: '20000101'
(0008,0024) Overlay Date                        DA: '20000101'
(0008,0025) Curve Date                          DA: '20000101'
(0008,002a) Acquisition DateTime                DT: '20000101'
(0008,0030) Study Time                          TM: ''
(0008,0032) Acquisition Time                    TM: ''
(0008,0033) Content Time                        TM: ''
(0008,0050) Accession Number                    SH: '2819497684894126'
(0008,0060) Modality                            CS: 'CT'
(0008,0070) Manufacturer                        LO: 'GE MEDICAL SYSTEMS'
(0008,0090) Referring Physician Name            PN: ''
(0008,1090) Manufacturer Model Name             LO: 'LightSpeed Plus'
(0008,1155) Referenced SOP Instance UID         UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.675906998158803995297223798692
(0010,0010) Patient Name                        PN: ''
(0010,0020) Patient ID                          LO: 'LIDC-IDRI-0001'
(0010,0030) Patient Birth Date                  DA: ''
(0010,0040) Patient Sex                         CS: ''
(0010,1010) Patient Age                         AS: ''
(0010,21d0) Last Menstrual Date                 DA: '20000101'
(0012,0062) Patient Identity Removed            CS: 'YES'
(0012,0063) De-identification Method LO: 'DCM:113100/113105/113107/113108/113109/113111'
(0013,0010) Private Creator                     LO: 'CTP'
(0013,1010) Private tag data                    LO: 'LIDC-IDRI'
(0013,1013) Private tag data                    LO: '62796001'
(0018,0010) Contrast/Bolus Agent                LO: 'IV'
(0018,0015) Body Part Examined                  CS: 'CHEST'
(0018,0022) Scan Options                        CS: 'HELICAL MODE'
(0018,0050) Slice Thickness                     DS: '2.500000'
(0018,0060) KVP                                 DS: '120'
(0018,0090) Data Collection Diameter            DS: '500.000000'
(0018,1020) Software Version(s)                 LO: 'LightSpeedApps2.4.2_H2.4M5'
(0018,1100) Reconstruction Diameter             DS: '360.000000'
(0018,1110) Distance Source to Detector         DS: '949.075012'
(0018,1111) Distance Source to Patient          DS: '541.000000'
(0018,1120) Gantry/Detector Tilt                DS: '0.000000'
(0018,1130) Table Height                        DS: '144.399994'
(0018,1140) Rotation Direction                  CS: 'CW'
(0018,1150) Exposure Time                       IS: '570'
(0018,1151) X-Ray Tube Current                  IS: '400'
(0018,1152) Exposure                            IS: '4684'
(0018,1160) Filter Type                         SH: 'BODY FILTER'
(0018,1170) Generator Power                     IS: '48000'
(0018,1190) Focal Spot(s)                       DS: '1.200000'
(0018,1210) Convolution Kernel                  SH: 'STANDARD'
(0018,5100) Patient Position                    CS: 'FFS'
(0020,000d) Study Instance UID                  UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.298806137288633453246975630178
(0020,000e) Series Instance UID                 UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.179049373636438705059720603192
(0020,0010) Study ID                            SH: ''
(0020,0011) Series Number                       IS: '3000566'
(0020,0013) Instance Number                     IS: '80'
(0020,0032) Image Position (Patient)            DS: ['-166.000000','-171.699997','-207.500000']
(0020,0037) Image Orientation (Patient)         DS: ['1.000000','0.000000','1.000000','0.000000']
(0020,0052) Frame of Reference UID              UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.229925374658226729607867499499
(0020,1040) Position Reference Indicator        LO: 'SN'
(0020,1041) Slice Location                      DS: '-207.500000'
(0028,0002) Samples per Pixel                   US: 1
(0028,0004) Photometric Interpretation          CS: 'MONOCHROME2'
(0028,0010) Rows                                US: 512
(0028,0011) Columns                             US: 512
(0028,0030) Pixel Spacing                       DS: ['0.703125','0.703125']
(0028,0100) Bits Allocated                      US: 16
(0028,0101) Bits Stored                         US: 16
(0028,0102) High Bit                            US: 15
(0028,0103) Pixel Representation                US: 1
(0028,0120) Pixel Padding Value                 US: 63536
(0028,0303) Longitudinal Temporal Information M CS: 'MODIFIED'
(0028,1050) Window Center                       DS: '-600'
(0028,1051) Window Width                        DS: '1600'
(0028,1052) Rescale Intercept                   DS: '-1024'
(0028,1053) Rescale Slope                       DS: '1'
(0038,0020) Admitting Date                      DA: '20000101'
(0040,0002) Scheduled Procedure Step Start Date DA: '20000101'
(0040,0004) Scheduled Procedure Step End Date DA: '20000101'
(0040,0244) Performed Procedure Step Start Date DA: '20000101'
(0040,2016) Placer Order Number / Imaging Servi LO: ''
(0040,2017) Filler Order Number / Imaging Servi LO: ''
(0040,a075) Verifying Observer Name             PN: 'Removed by CTP'
(0040,a123) Person Name                         PN: 'Removed by CTP'
(0040,a124) UID                           
UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.335419887712224178340067932923
(0070,0084) Content Creator's Name PN: '' (0088,0140) Storage Media File-set UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.211790042620307056609660772296 (7fe0,0010) Pixel Data OW: Array of 524288 bytes

eg : LIDC-IDRI-0069（TOSHIBA公司）中000001.dcm如下：

(0008,0018) SOP Instance UID                    UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.263800607656124864093833884216
(0008,0032) Acquisition Time                    TM: '185549.500'
(0008,0033) Content Time                        TM: '185605.277'
(0008,0070) Manufacturer                        LO: 'TOSHIBA'
(0008,1090) Manufacturer Model Name             LO: 'Aquilion'
(0010,0020) Patient ID                          LO: 'LIDC-IDRI-0069'
(0010,0040) Patient Sex                         CS: 'M'
(0010,1010) Patient Age                         AS: '051Y'
(0010,2160) Ethnic Group                        SH: 'white-ns'
(0010,21c0) Pregnancy Status                    US: 4
(0010,0010) Private Creator                     OB: 'CTP '
(0013,1010) Private tag data                    OB: 'LIDC-IDRI '
(0013,1013) Private tag data                    OB: '62796001'
(0018,0010) Contrast/Bolus Agent                LO: '100ccs_OMNI-350'
(0018,0022) Scan Options                        CS: 'HELICAL_CT'
(0018,0050) Slice Thickness                     DS: '2.0'
(0018,0060) KVP                                 DS: '135'
(0018,0090) Data Collection Diameter            DS: '400.00'
(0018,1020) Software Version(s)                 LO: 'V2.04ER001'
(0018,1100) Reconstruction Diameter             DS: '379.687'
(0018,1120) Gantry/Detector Tilt                DS: '+0.0'
(0018,1130) Table Height                        DS: '+48.00'
(0018,1150) Exposure Time                       IS: '500'
(0018,1151) X-Ray Tube Current                  IS: '260'
(0018,1152) Exposure                            IS: '130'
(0018,1210) Convolution Kernel                  SH: 'FC10'
(0018,000d) Study Instance UID                  UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.303241414168367763244410429787
(0020,000e) Series Instance UID                 UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.131939324905446238286154504249
(0020,0011) Series Number                       IS: '3079'
(0020,0012) Acquisition Number                  IS: '5'
(0020,0013) Instance Number                     IS: '134'
(0020,0020) Patient Orientation                 CS: ['L','P']
(0020,0032) Image Position (Patient)            DS: ['-184.375000','-188.281200','1292.500000']
(0020,0052) Frame of Reference UID              UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.228313061349684266844487315959
(0020,1040) Position Reference Indicator        LO: ''
(0020,1041) Slice Location                      DS: '+324.00'
(0028,0030) Pixel Spacing                       DS: ['0.741','0.741']
(0028,1050) Window Center                       DS: '-500'
(0028,1051) Window Width                        DS: '2000'
(0028,1052) Rescale Intercept                   DS: '0'
(0028,1053) Rescale Slope                       DS: '1'
(0032,000a) Study Status ID                     CS: ''
(0032,1000) Scheduled Study Start Date          DA: ''
(0032,1001) Scheduled Study Start Time          TM: ''
(0032,1060) Requested Procedure Description LO: ''
(0032,1064)  Requested Procedure Code Sequence 1 item(s) ---- (0008,0104) Code Meaning LO: ''
   ---------
(0038,0003) Scheduled Procedure Step Start Time TM: ''
(0040,0005) Scheduled Procedure Step End Time TM: ''
(0040,0245) Performed Procedure Step Start Time TM: ''
(0040,a123) Person Name                         PN: 'Removed by CTP'
(0070,0084) Content Creator Name                PN: ''
(7fe0,0010) Pixel Data                          OB or OW: Array of 524288 bytes

可以看到不同公司所做的检查存储信息的格式不太一样，但一些主要信息都还是有的：

SOP Instance UID 用于唯一区分每一张dcm切片，其中Study Instance UID，Series Instance
UID上面已经提过，分别用于区分检查号和一次检查对应序列号。
Modality 表示检查模态，有MRI，CT，CR，DR等；
Manufacturer 表示制造商，经分析共有”GE MEDICAL SYSTEMS”（最多）， “SIEMENS”，
“TOSHIBA”，”Philips”四家制造商提供数据。
Slice Thickness 表示z方向切片厚度，经统计有GE MEDICAL SYSTEMS：2.50，1.25，SIEMENS：0.75，1.0， 2.0，3.0，5.0，TOSHIBA：2.0， 3.0， Philips：2.0，1.0，1.5，0.9；
Instance Number表示一组切片的序列号，这个可以直接用来将切面排序，在实际CT扫描时，是从胸部靠近头的一侧开始扫描，一次扫描到肺部最下，得到的instance number依次增加，对应的Image Position中的z依次减小，而对应的Slice Location是相对位置，绝大多数情况与Image Positon中的z值相同，依次减小，部分不同公司，如TOSHIBA则Slice Location可能与Image Position中的z不同，由于是相对位置，其Slice Location值为正，并且和Instance Number的变化趋势相同。为了在实际分析是不出现错误，不能仅仅采用Slice Location来对切片进行排序，而应使用Instance Number或者Image Position中的z，此次实验使用的是Instance Number。
Image Position表示图像的左上角在空间坐标系中的x,z坐标，单位是毫米，如果在检查中，则指该序列中第一张影像左上角坐标；
Slice Location为切片z轴相对位置，单位毫米，大多情况与Image Position中的z相同，但TOSHIBA公司提供的数据里面不同，所以不能仅仅根据这个值来对所有切片进行统一排序；
Photometric Interpretation：光度计的解释,对于CT图像，用两个枚举值MONOCHROME1，MONOCHROME2.用来判断图像是否是彩色的，MONOCHROME1/2是灰度图，RGB则是真彩色图，还有其他；
Pixel Spacing 表示像素中心间的物理间距；
Bits Allocated表示存储每一位像素时分配位数，Bits Stored 表示存储每一位像素所用位数；
Pixel Representation 表示像素数据的表现类型:这是一个枚举值，分别为十六进制数0000和0001，0000H =无符号整数，0001H = 2的补码。

XML重要信息说明

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!