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

Utils for gathering, aggregation and handling metadata from DICOM files.

ویژگی	مقدار
سیستم عامل	-
نام فایل	dicom-csv-0.2.8
نام	dicom-csv
نسخه کتابخانه	0.2.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/neuro-ml/dicom-csv
آدرس اینترنتی	https://pypi.org/project/dicom-csv/
مجوز	MIT

Utils for gathering, aggregation and handling metadata from DICOM files. # Installation From pip ``` pip install dicom-csv ``` or from GitHub ```bash git clone https://github.com/neuro-ml/dicom-csv cd dicom-csv pip install -e . ``` # Example `join_tree` ```python >>> from dicom_csv import join_tree >>> folder = '/path/to/folder/' >>> meta = join_tree(folder, verbose=2) >>> meta.head(3) ``` | AccessionNumber | AcquisitionDate | ... | WindowCenter | WindowWidth | | -------------: | -------------: | :---: | --------: | :---------: | |000002621237 |20200922 |... |-500.0 |1500.0 | |000002621237 |20200922 |... |-40.0 |400.0 | |000002621237 |20200922 |... |-500.0 |1500.0 | 3 rows x 155 columns # Example load 3D image from a series of dicom files (each containing 2D image) ```python from dicom_csv import join_tree, order_series, stack_images from pydicom import dcmread from pathlib import Path # 1. Collect metadata from all dicom files folder = Path('/path/to/folder/') meta = join_tree(folder, verbose=2) # 2. Select series to load uid = '...' # unique identifier of a series you want to load, # you could list them by `meta.SeriesInstanceUID.unique()` series = meta.query("SeriesInstanceUID==@uid") # 3. Read files & combine them into a single volume images2d = [dcmread(folder / row[1].PathToFolder / row[1].FileName) for row in series.iterrows()] image3d = stack_images(order_series(images2d)) ``` # Documentation You can find the documentation [here](https://dicom-csv.readthedocs.io/en/latest/index.html).

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl dicom-csv-0.2.8:

pip install dicom-csv-0.2.8.whl

نصب پکیج tar.gz dicom-csv-0.2.8:

pip install dicom-csv-0.2.8.tar.gz