玩转肺癌目标检测数据集Lung-PET-CT-Dx ——②预览数据集，绘制锚框

最新推荐文章于 2026-02-16 00:29:56 发布

原创

最新推荐文章于 2026-02-16 00:29:56 发布 · 3.1k 阅读

文章介绍了如何预览和处理CT图像数据集，包括查看dcm文件的SOPInstanceUID以匹配对应的xml标注文件。使用pydicom库读取和分析dcm文件，并展示了如何通过Python代码将dcm图像与xml标注文件配对，以便进行目标检测和数据分析。

该文章已生成可运行项目，

文章目录

- 数据集预览

本文接着预览数据集的概况，看看图像文件和标注文件该如何处理。
本文所用代码：我的Github

数据集预览

数据集分成三部分：
Images 为我们需要下载的影像资料。
Annotation Files 是目标检测的标注数据（即XML注释文件，标注了肿瘤位置和分类）。
Clinical Data 是患者相关的临床资料。

我们主要关注前两个部分。

Image部分含355个子文件夹，命名为"Lung_Dx-Xxxxx"。比如A0002，意为A分类（腺癌）的0002号病例。

在这里插入图片描述

Annotation Files 下是一些xml格式的标注文件，即目标检测的标注数据，标注了肿瘤位置和分类。
我们看到下图xml文件中标注了一个 A类的物体（即 Bounding Box），以及它的四个坐标。
之后也有可能碰到一个xml文件标注了多个Bounding Box的情况，即一张CT标注了两个结节病灶。

在这里插入图片描述

这里有个问题，我们的CT图像和xml标注文件如何对应起来呢？即如何知道xml文件中描述的bounding box框对应的是哪一张CT图片呢？

CT图片和xml文件的对应关系

我们知道xml文件的文件名是一长串数字组成的，比如“1.3.6.1.4.1.14519.5.2.1.6655.2359.122259036515695905512549026864.xml”。
这是CT序列片中，一张CT图片的全局唯一标识，称为 SOP Instance UID。

我们可以用dcm软件（如RadiAnt）打开一张dcm影像文件，打开dcm文件的标签就可以看到SOP Instance UID。就是这个东西与xml文件一一对应了起来。
在这里插入图片描述

查看dcm文件信息

由于RadiAnt软件收费，我们完全可以使用python的pydicom库来查看处理dcm文件。
先通过pip install pydicom命令安装这个库。

然后，我们可以载入需要的dcm文件。
SOPInstanceUID属性即可查看 SOP Instance UID。
还可以获取像素矩阵，绘制出CT影像。
代码如下：

import pydicom
import matplotlib.pyplot as plt

im = pydicom.read_file('manifest-1608669183333/Lung-PET-CT-Dx/Lung_Dx-A0001/04-04-2007-NA-Chest-07990/2.000000-5mm-40805/1-01.dcm')

# 获取 UID
uid = im.SOPInstanceUID

# 获取像素矩阵
img_arr = im.pixel_array
# 打印矩阵大小
print(img_arr.shape)

# 绘制图像
plt.imshow(img_arr,cmap=plt.cm.gray)
plt.title("UID:{}".format(uid))