查找DICOM基礎知識時，看到這篇文章里面寫了一些關於使用深度學習進行醫療影像分析：文件格式篇。下文摘自：https://www.jiqizhixin.com/articles/2017-07-31
醫療數據組成：
醫療數據有四個關鍵的組成部分--像素深度、光度解釋、元數據以及像素數據。這幾部分決定了圖像的大小和分辨率。
像素深度（Pixel Depth）或者位深度（Bit Depth）或者色深度（Color Depth）就是用來編碼每一像素的信息所用的位數。例如，一個 8 位的柵格會擁有從 0 到 255 這 256 種各不相同的數值。
光度解釋具體化了像素數據被解釋成正確的圖片展示的方式，如單色圖像或者彩色圖像。為了確定像素值中是否存儲了彩色信息，我們引入了每個像素的樣本的概念，也就是大家都知道的通道數量。單色圖像每個像素只有一個樣本，圖片中並沒有存儲彩色信息。我們使用從黑色到白色的灰度級別來展示這種圖片。灰度的數量明顯取決於用來存儲這個樣本的位數，在這種情況下，與像素深度是一致的。像 X 光片、CT 和磁共振這樣的放射醫療影像都有一個灰度光度解釋。核醫學圖像都以彩色的形式展現，例如 PET 和 SPECT。
元數據就是圖片中所描述的信息。它看上去可能是很奇怪的，但是無論在什么格式的文件中，都存在一些超越像素數據並且和圖像相關的信息。這類被稱作元數據的信息通常都以頭部的形式儲在文件的起始部分，它至少會包含以下信息：圖像矩陣的維度、空間精度、像素深度以及光度解釋。
像素數據--這里存儲的是像素數值的大小。根據不同的數據類型，像素數據可能以整型或者浮點型的類型存儲，使用表達數據所需的最少的數據位。
所以，圖像的大小=頭部大小（包含元數據）+行×列×像素深度×幀的數量
醫療圖像的格式
放射生物圖像中主要有六種格式--DICOM（醫療中的數字圖像和通信），NIFTI（神經影像學信息技術計划），PAR/REC（飛利浦 MRI 掃描格式），ANALYZE（Mayo 醫療成像）以及 NRRD（近乎原始光柵數據）和 MNIC 格式。
其中 DICOM 和 NIFTI 是最常用的格式。
DICOM 格式的基本知識
DICOM 代表的是醫療數字成像和通信。DICOM 是由美國國家電氣制造商協會（NEMA）制定的標准。它定義了醫療成像領域中關於信息處理、存儲、打印以及傳輸的標准。這些都是你在掃描儀或者某家醫院的圖片歸檔和通信系統（PACS）能夠立即得到的文件格式。
它包括了文件格式和能夠接收圖像和 DICOM 格式的病人數據的實體之間使用 TCP/IP 進行通信的協議。
一個 DICOM 文件包含文件頭部和同文件名的*.dcm 圖像數據。文件頭部的大小取決於它所提供的信息的多少。文件頭包含以下信息：病人的 ID，病人的姓名，圖像的模態以及其他信息。它定義了幀的數量以及圖像的精度。這些信息會被圖像瀏覽器在顯示圖像時用到。對於一個單詞采樣，會有很多個 DICOM 文件。
NIFTI 格式基本知識
Nifti 格式最初是為神經影像學發明的。神經影像信息學技術計划（NIFTI）將 NIfTI 格式預設為 ANALYZE7.5 格式的替代品。它最初的應用領域是神經影像，但是也被用在其他領域。這種格式的主要特點就是它包含兩個能夠將每個體素的索引（i,j,k）和它的空間位置（x,y,z）關聯起來的仿射坐標。
nibabel 是一個能夠讀取 nifti 文件的 Python 庫，oro.nifti 是一個能夠讀取 nifti 文件的 R 語言庫。
DICOM 和 NIFTI 的區別
DICOM 和 NIfTI 這兩種格式的主要區別是：NIfTI 中的圖像原始數據被存儲成了 3 維圖像，而 dicom 一些 2 維的圖層。這就使得 NIFTI 更加適合那些應用在 DICOM 上的機器學習的方法，因為它是以 3D 圖像建模的。處理一個單獨的 NIFTI 文件要比處理成百上千個 dicom 文件更加容易一些。與 DICOM 格式下的好多個文件相比，NIFTI 格式下，每個 3d 圖像只有兩個文件。
其他更多詳細信息，可以繼續參考https://www.jiqizhixin.com/articles/2017-07-31閱讀。
