معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Services for reading dicom files, RT structures, and dose files, as well as tools for converting numpy prediction masks back to an RT structure

ویژگی	مقدار
سیستم عامل	-
نام فایل	DicomRTTool-2.0.8
نام	DicomRTTool
نسخه کتابخانه	2.0.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Brian Mark Anderson
ایمیل نویسنده	b5anderson@health.ucsd.edu
آدرس صفحه اصلی	https://github.com/brianmanderson/Dicom_RT_and_Images_to_Mask
آدرس اینترنتی	https://pypi.org/project/DicomRTTool/
مجوز	-

# We're published! Please check out the Technical Note here: https://www.sciencedirect.com/science/article/abs/pii/S1879850021000485 and reference this work if you find it useful ### DOI:https://doi.org/10.1016/j.prro.2021.02.003 ## This code provides functionality for turning dicom images and RT structures into nifti files as well as turning prediction masks back into RT structures ## Installation guide pip install DicomRTTool ### Highly recommend to go through the jupyter notebook in the Examples folder and to read the Wiki ### Quick use guide from DicomRTTool.ReaderWriter import DicomReaderWriter, ROIAssociationClass Dicom_path = r'.some_path_to_dicom' Dicom_reader = DicomReaderWriter(description='Examples', arg_max=True) Dicom_reader.walk_through_folders(Dicom_path) # This will parse through all DICOM present in the folder and subfolders all_rois = Dicom_reader.return_rois(print_rois=True) # Return a list of all rois present Contour_names = ['tumor'] # Define what rois you want associations = [ROIAssociationClass('tumor', ['tumor_mr', 'tumor_ct'])] # Any list of roi associations Dicom_reader.set_contour_names_and_assocations(contour_names=Contour_names, associations=associations) Dicom_reader.get_images_and_mask() image_numpy = Dicom_reader.ArrayDicom mask_numpy = Dicom_reader.mask image_sitk_handle = Dicom_reader.dicom_handle mask_sitk_handle = Dicom_reader.annotation_handle ### Other interesting additions ### Adding information to the Dicom_reader.series_instances_dictionary from DicomRTTool.ReaderWriter import Tag plan_pydicom_string_keys = {"MyNamedRTPlan": Tag((0x300a, 0x002))} image_sitk_string_keys = {"MyPatientName": "0010|0010"} Dicom_reader = DicomReaderWriter(description='Examples', arg_max=True, plan_pydicom_string_keys=plan_pydicom_string_keys, image_sitk_string_keys=image_sitk_string_keys) ##### If you find this code useful, please provide a reference to my github page for others www.github.com/brianmanderson , thank you! ###### Ring update allows for multiple rings to be represented correctly ![multiple_rings.png](./Images/multiple_rings.png) #### Works on oblique images for masks and predictions*

نیازمندی

مقدار	نام
~=1.22.3	numpy
~=3.5.1	matplotlib
>=4.2.0.32	opencv-python
-	openpyxl
~=1.4.2	pandas
-	Pillow
~=2.3.0	pydicom
~=0.19.2	scikit-image
-	scipy
~=2.1.1.2	SimpleITK
-	six
-	xlrd
-	check-manifest
~=4.64.0	tqdm
-	pytest
~=0.0.1	PlotScrollNumpyArrays
~=62.1.0	setuptools

نحوه نصب

نصب پکیج whl DicomRTTool-2.0.8:

pip install DicomRTTool-2.0.8.whl

نصب پکیج tar.gz DicomRTTool-2.0.8:

pip install DicomRTTool-2.0.8.tar.gz