Formati di dati DICOM e di imaging medico

DICOM, Digital Imaging and Communications in Medicine, specifica le modalità di archiviazione e scambio di oggetti di imaging medico. Un file DICOM contiene comunemente un set di dati di attributi, come identificatori, dettagli di acquisizione, geometria e dati di pixel dell'immagine, insieme alle informazioni di codifica a livello di file. Lo standard riguarda anche la comunicazione tra sistemi di imaging. DICOM è quindi più di un'estensione di file immagine: contiene il contesto che potrebbe essere necessario per interpretare, instradare o correlare le immagini. Uno studio può contenere più serie e ciascuna serie può contenere più istanze. Una serie CT è spesso composta da molte sezioni, ma non si dovrebbe presumere che l'ordine dei file da solo definisca l'ordine spaziale. Gli attributi geometrici come la posizione e l'orientamento dell'immagine aiutano a determinare il modo in cui i pixel vengono mappati nelle coordinate del paziente. Potrebbe anche essere necessario interpretare i valori dei pixel utilizzando attributi specifici della modalità come la pendenza di ridimensionamento e l'intercettazione. La sintassi di compressione e trasferimento determina il modo in cui i dati pixel codificati vengono rappresentati e decodificati. NIfTI è comunemente utilizzato nel neuroimaging per archiviare array multidimensionali con un'intestazione che descrive dimensioni, tipo di dati, dimensioni dei voxel e trasformazioni spaziali. È possibile utilizzare un singolo file .nii o una disposizione accoppiata di intestazione e immagine. La mappatura affine collega gli indici voxel alle coordinate spaziali, il che è importante quando si allineano scansioni o sovrapposizioni. NIfTI spesso supporta i flussi di lavoro di analisi con array volumetrici in modo più diretto rispetto a una raccolta di istanze DICOM separate. La conversione non consiste semplicemente nel copiare matrici di pixel. Le convenzioni delle coordinate, l'orientamento, la scala, i tempi, i parametri di acquisizione e gli identificatori possono essere rappresentati in modo diverso o omessi. Convalida dimensioni, spaziatura voxel, orientamento e intensità dell'immagine dopo la conversione e mantieni la provenienza. La deidentificazione deve considerare sia gli attributi strutturati che il contenuto dei pixel, dove potrebbe apparire testo incorporato. Per il machine learning, definire l'unità di analisi e suddividerla per paziente o per un altro gruppo significativo in modo che le sezioni di una persona non si diffondano durante la formazione e la valutazione. Conferma etichette, pre-elaborazione e contesto clinico previsto con esperti di settore qualificati. Un parser del formato immagine non stabilisce che le misurazioni o le previsioni siano clinicamente valide.