# 110中榮陽交大智慧醫療計畫-Hip-fracture_v5 ## 英文名詞 - Pelvic - 骨盆 - abdominal - 腹部的 - osteoporotic - 骨質疏鬆 - Fragility Fractures - 骨質疏鬆性骨折 - osteoporotic hip Fragility Fractures - 骨質疏鬆性髖部骨折 ## 髖部骨折 hip fracture ![](https://i.imgur.com/Up4lylk.png) ![](https://i.imgur.com/tNEEZX7.png) ## Meeting 開會時間禮拜4下午三點半 ### 2021/9/6 決定開會時間為禮拜4下午三點半,下次開會時間 9/16 ### 2021/9/16 沒開會,不知道下次的開會日期 ## DICOM Data ### 資料夾架構 ![](https://i.imgur.com/sRKgCZ6.png) 以陳主任給的資料為例,20210915 資料夾下總共有 6 個資料夾,分別是: - 2694887I - PAT00001 - DICOMDIR - 2049242G - 1463746I - 958032J - 925399A - 578165H - 這些名稱是 `病人的病歷號碼`,這些資料夾底下都有個 PAT00001 資料夾以及一個 DICOMDIR 檔案,此 PAT00001 對應上圖的就是 Patient - PAT00001 裡頭又有 STD00001、STD00002、...... 資料夾,此 STD 對應上圖的就是 Study而 Patient 底下有可能只有一份 Study,或是多份 Study - 而 Study 底下又有好幾個 Series 資料夾,每個 Study 的 Series 數可能是不一樣的 - 再來 Series 底下有好幾個名為 IMG00...... 的檔案,這些是 Instance,每個 Series 所擁有的 Instance 數量也不一樣 - 一個 instance 所包含的資訊除了 `拍攝的影像` 外,還有額外的資訊 ### [DICOM element keyword](http://dicom.nema.org/medical/dicom/current/output/chtml/part06/chapter_6.html) #### Some element - Transfer Syntax - Photometric Interpretation - Rescale Slope、Rescale Intercept - Rows、Columns - Number of Frames - Lossy Image Compression - Pixel Representation - Pixel Spacing - 假設 Pixel Spacing 是 (0.12, 0.34),在校正後的影像中一個 row pixel 的距離代表 0.12 mm - ![](https://i.imgur.com/xZSDSnj.png) - Imager Pixel Spacing - 校正前的影像 Row / Column 像素(Pixel)換算 mm 的換算比例 - Spacing Between Slices - 兩個 Slices 之間的實際距離,和 Pixel Spacing 一樣,只是 Pixel Spacing 是 x、y方向的距離,Spacing Between Slices 是 z 方向的距離 - Slices Thickness ### 陳主任提供的資料 #### 20210915 資料夾有哪些資料? #### 有哪些種類的 CT 腹部圖? - 從前往背的 CT 圖 OR 從背往前的 CT 圖 - ![](https://i.imgur.com/c9jJyZF.png) - 側面的 CT 圖 - ![](https://i.imgur.com/o2PMLhe.png) - 從頭往下 CT 圖 - ![](https://i.imgur.com/fybqw8T.png) - 不知道怎講的圖 ( x 光 ? ) - 依陳主任說的 : 這是在做掃描之前先做的一個簡單影像,用來定位用的,根據這張影像的解剖位置來決定要掃描的範圍 - ![](https://i.imgur.com/vV3saGH.png) - 總共有 11 個 study - 總共有 40 個 series ( 40 個拍攝影像 ) - 總共有 2237 個 instances - 40 個 series 中有 9 個是一張的 x 光 (pilot view), 31 個 CT 圖 - 所有 instances 的 Transfer Syntax UID 都是 Explicit VR Little Endian - instance 的 Photometric Interpretation 是 RGB - 一個 instance 的 pixel_array 的 shape 是 (H x W x C),值的範圍是 0 ~ 255 - 每個種類的 instance 的 pixel_array 的 H and W 有可能是不一樣的,例如: - 不同種類的 CT 圖的 H 和 W 是不一樣的,從上面的圖就知道 - 同種類的 CT 圖的 H 和 W 也有可能是不一樣的,如:下圖是同一個病人 2049242G,不同的 study 下同一個種類的 CT 圖,所以應該預期不同 Study 的 CT 圖是不一樣的 - Study 1 - ![](https://i.imgur.com/vJf3tVb.png) - Study 2 - ![](https://i.imgur.com/ujqEdOP.png) - Rescale Slope 是 1 - 沒有 Rescale Intercept 這個 element - 有些 instance 沒有 Lossy Image Compression 這個 element - 沒有`性別` ( Patient's Sex )、`年齡` ( Patient's Age ) 資料 - 底下這張是讀取所有資料夾的 DICOMDIR print 出來的 - 依陳主任說的 `有一個病人有二次檢查,一個有五次,剩下都是一次`,可以看到下面 5 個 patient,有一個 patient 有 2 個 study,另一個 patient 有 5 個 study,而其他人都是一個 study - 依陳主任說的 `每個檢查(study)大多會有1-2 張的 pilot view 序列 (series)`,幾乎每個 study 都有一個 series 包含一個 instance,那個就是 pilot view,可以看到,有一個 study 底下沒有 pilot view - ![](https://i.imgur.com/Ds8sPbV.png) - Slice Thickness 不是 5 的 - 958032J/PAT00001/STD00001/SER00001/IMG00001 - 2049242G/PAT00001/STD00001/SER00001/IMG00001 - 2049242G/PAT00001/STD00002/SER00001、2、3 的 所有 IMG - 1463746I/PAT00001/STD00001/SER00001/IMG00001 - 1463746I/PAT00001/STD00002/SER00001/IMG00001 - 1463746I/PAT00001/STD00003/SER00001、2、3 的 所有 IMG - 1463746I/PAT00001/STD00004/SER00001 的 所有 IMG - 1463746I/PAT00001/STD00005/SER00001、2 的 所有 IMG - 2694887I/PAT00001/STD00001/SER00001/IMG00001 - 578165H/PAT00001/STD00001/SER00002、3 的 所有 IMG - 925399A/PAT00001/STD00001/SER00001、2、3、4 的 所有 IMG - Row 不是 512 的 - 958032J/PAT00001/STD00001/SER00001/IMG00001 - 958032J/PAT00001/STD00001/SER00005、6 的 所有 IMG - 2049242G/PAT00001/STD00001/SER00001/IMG00001 - 2049242G/PAT00001/STD00001/SER00003 的 所有 IMG - 1463746I/PAT00001/STD00001/SER00004 的 所有 IMG - 1463746I/PAT00001/STD00002/SER00003、4 的 所有 IMG - 1463746I/PAT00001/STD00004/SER00001/IMG00001 - 2694887I/PAT00001/STD00001/SER00001、3 的 所有 IMG - 925399A/PAT00001/STD00001/SER00001/IMG00001 - 925399A/PAT00001/STD00001/SER00005、6 的 所有 IMG - Column 不是 512 的 - 958032J/PAT00001/STD00001/SER00005、6 的 所有 IMG - 2049242G/PAT00001/STD00001/SER00003 的 所有 IMG - 1463746I/PAT00001/STD00001/SER00004 的 所有 IMG - 1463746I/PAT00001/STD00002/SER00003、4 的 所有 IMG - 2694887I/PAT00001/STD00001/SER00003 的 所有 IMG - 925399A/PAT00001/STD00001/SER00005、6 的 所有 IMG ### 問題 1. 2. 不同的 series 的影像大小 ( Row and Column ) 會不一樣,例:`從背往前` 和 `從頭往下` 的 CT 圖的影像大小不一樣,要怎麼設計模型? 3. 一次是輸入一張 instance 的圖片還是一個 series 的所有 instances? 4. 不同 series 的 Slice Thickness 有可能不一樣,會有問題嗎? 5. 不同 series 的切片數量 ( instance 數量 ) 也不一樣 6. 有些從頭往下 CT 圖沒有拍到骨盆是需要的嗎? 例: 925399A 有兩個從頭往下沒有拍到骨盆的 CT 圖 7. 也有拍攝範圍太小沒有拍到骨盆的 CT 圖,例: 925399A - ![](https://i.imgur.com/de602Jz.png) 8. 雖然有側面 CT 圖但不是每個 patient 都有,也要做為 training data? 9. 有期望 model 的運算時間嗎?