--- title: "LIDC-IDRI肺结节公开数据集Dicom和XML标注详解" date: 2017-03-27 21:32:54 tags: [LIDC, Dicom, Xml] categories: Medical Image --- - 文章首发于简书：[LIDC-IDRI肺结节公开数据集Dicom和XML标注详解](http://www.jianshu.com/p/c4e9e18195eb)，现在搬运至博客。 ## 一、数据来源　　数据集采用为 [LIDC-IDRI](https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI) (The Lung Image Database Consortium)，该数据集由胸部医学图像文件(如CT、X光片)和对应的诊断结果病变标注组成。该数据是由美国国家癌症研究所(National Cancer Institute)发起收集的，目的是为了研究高危人群早期癌症检测。　　该数据集中，共收录了1018个研究实例。对于每个实例中的图像，都由4位经验丰富的胸部放射科医师进行两阶段的诊断标注。在第一阶段，每位医师分别独立诊断并标注病患位置，其中会标注三中类别：**1) >=3mm的结节**，**2) <3mm的结节**，**3) >=3mm的非结节**（官网描述： "nodule > or =3 mm"， "nodule <3 mm"， and "non-nodule > or =3 mm"，详见 [Summary](https://wiki.cancerimagingarchive.net/display/Public/LIDC-IDRI)）。在随后的第二阶段中，各位医师都分别独立的复审其他三位医师的标注，并给出自己最终的诊断结果。这样的两阶段标注可以在避免forced consensus的前提下，尽可能完整的标注所有结果。 | Collection Statistics | updated 3/21/2012 | |:---|:---| | 数据大小 | 124GB | | 图像类型 | CT (computed tomography), 243,958 张
DX (digital radiography)
CR (computed radiography) | | 图片数 | 244,527 | | 患者数 | 1,010 | | 系列数 (Number of Series) | 1,018 CT
290 CR/DX | | 研究数 (Number of Studies) | 1,308 | ## 二、解析结果 ### 1.图像矩阵像素信息　　模块处理的数据为slicer \* rows \* cols大小的三维矩阵D。D中第z个切片y行x列的元素对应的位置为：**(z \* rows \*cols+ y \* cols + x) \* sizeof(data_type)** 。其中rows表示图像的行数，cols表示图像的列数，默认均为512；data_type代表数据类型，默认为short。 eg: 对于病例LIDC-IDRI-0001，即为133\*512\*512的矩阵，一共133张切片，每张大小512\*512，依次按顺序存入二进制文件，每个像素大小为2字节（对应short类型）。 ### 2.结节区域类型标注信息第一行： **slicers** **rows** **cols** **data_type** **pixel_space_x** **pixel_space_y** **slice_thickness** - `slicer` ：切片个数； - `rows` ：矩阵行数，默认512； - `cols` ：矩阵列数，默认512； - `data_type` ：数据类型标签。为以下枚举类型中的一种（默认SHORT_TYPE，4）：enum DATA_TYPE {CHAR_TYPE，UCHAR_TYPE, INT_TYPE，UINT_TYPE，SHORT_TYPE，USHORT_TYPE，FLOAT_TYPE，DOUBLE_TYPE }； - `pixel_space_x` ： x线列扫描步长，单位：毫米； - `pixel_space_y` ： x线行扫描步长，单位：毫米； - `slice_thickness` ： z轴扫描步长(即切片厚度)，单位：毫米。其他行： **type** **num** **x1** **y1** **z1** **x2** **y2** **z2** … **xi** **yi** **zi** ... **xn** **yn** **zn** - `type`： "1"表示"nodules"， "2"表示"small_nodules"，"3"表示"non_nodules"； - `num`：该行x,y,z数字的个数（由于一个点有三个坐标，所以num为3的倍数）； - `Xi`, `Yi`, `Zi`：该肺结节第i个点的空间坐标，Zi为切片序号。 ## 三、数据分析 ### 文件结构目前测试一共1012个病例数据，每个病例文件夹对应结构： LIDC-IDRI-XXXX / Study Instance UID / Series Instance UID / \*.dcm， \*.xml - **XXXX** ：从0000到1012； - **Study Instance UID** ：每个病例对应的检查实例号； - **Series Instance UID** ：不同检查对应的序列实例号； - **\*.dcm ，\*.xml** ：分别对应于每一张dcm切片和xml标注文件。 **特例** ：LIDC-IDRI-0365号病例存在两份序列检查，分别有对应的dcm和xml文件，如下： ![](2.png) ### python处理Dicom数据通过pip或者anaconda安装`pydicom`模块，该模块是python专门用来处理dicom格式文件的库。通过`dicom.read_file()`可以直接获取dicom文件所有信息，如下： ```python >>> import dicom >>> ds = dicom.read_file("test.dcm") # (test.dcm is in the testfile) ``` 实际操作LIDC-IDRI-0001（`GE MEDICAL SYSTEM公司`）中000001.dcm，打印出来结果如下（包含各种tag，具体详见 [DICOM的常用Tag分类和说明](http://blog.csdn.net/inter_peng/article/details/46513847)）： ```python >>> import dicom >>> f = dicom.read_file('000001.dcm') >>> print f (0008, 0005) Specific Character Set CS: 'ISO_IR 100' (0008, 0008) Image Type CS: ['ORIGINAL', 'PRIMARY', 'AXIAL'] (0008, 0016) SOP Class UID UI: CT Image Storage (0008, 0018) SOP Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.143451261327128179989900675595 (0008, 0020) Study Date DA: '20000101' (0008, 0021) Series Date DA: '20000101' (0008, 0022) Acquisition Date DA: '20000101' (0008, 0023) Content Date DA: '20000101' (0008, 0024) Overlay Date DA: '20000101' (0008, 0025) Curve Date DA: '20000101' (0008, 002a) Acquisition DateTime DT: '20000101' (0008, 0030) Study Time TM: '' (0008, 0032) Acquisition Time TM: '' (0008, 0033) Content Time TM: '' (0008, 0050) Accession Number SH: '2819497684894126' (0008, 0060) Modality CS: 'CT' (0008, 0070) Manufacturer LO: 'GE MEDICAL SYSTEMS' (0008, 0090) Referring Physician Name PN: '' (0008, 1090) Manufacturer Model Name LO: 'LightSpeed Plus' (0008, 1155) Referenced SOP Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.675906998158803995297223798692 (0010, 0010) Patient Name PN: '' (0010, 0020) Patient ID LO: 'LIDC-IDRI-0001' (0010, 0030) Patient Birth Date DA: '' (0010, 0040) Patient Sex CS: '' (0010, 1010) Patient Age AS: '' (0010, 21d0) Last Menstrual Date DA: '20000101' (0012, 0062) Patient Identity Removed CS: 'YES' (0012, 0063) De-identification Method LO: 'DCM:113100/113105/113107/113108/113109/113111' (0013, 0010) Private Creator LO: 'CTP' (0013, 1010) Private tag data LO: 'LIDC-IDRI' (0013, 1013) Private tag data LO: '62796001' (0018, 0010) Contrast/Bolus Agent LO: 'IV' (0018, 0015) Body Part Examined CS: 'CHEST' (0018, 0022) Scan Options CS: 'HELICAL MODE' (0018, 0050) Slice Thickness DS: '2.500000' (0018, 0060) KVP DS: '120' (0018, 0090) Data Collection Diameter DS: '500.000000' (0018, 1020) Software Version(s) LO: 'LightSpeedApps2.4.2_H2.4M5' (0018, 1100) Reconstruction Diameter DS: '360.000000' (0018, 1110) Distance Source to Detector DS: '949.075012' (0018, 1111) Distance Source to Patient DS: '541.000000' (0018, 1120) Gantry/Detector Tilt DS: '0.000000' (0018, 1130) Table Height DS: '144.399994' (0018, 1140) Rotation Direction CS: 'CW' (0018, 1150) Exposure Time IS: '570' (0018, 1151) X-Ray Tube Current IS: '400' (0018, 1152) Exposure IS: '4684' (0018, 1160) Filter Type SH: 'BODY FILTER' (0018, 1170) Generator Power IS: '48000' (0018, 1190) Focal Spot(s) DS: '1.200000' (0018, 1210) Convolution Kernel SH: 'STANDARD' (0018, 5100) Patient Position CS: 'FFS' (0020, 000d) Study Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.298806137288633453246975630178 (0020, 000e) Series Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.179049373636438705059720603192 (0020, 0010) Study ID SH: '' (0020, 0011) Series Number IS: '3000566' (0020, 0013) Instance Number IS: '80' (0020, 0032) Image Position (Patient) DS: ['-166.000000', '-171.699997', '-207.500000'] (0020, 0037) Image Orientation (Patient) DS: ['1.000000', '0.000000', '0.000000', '0.000000', '1.000000', '0.000000'] (0020, 0052) Frame of Reference UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.229925374658226729607867499499 (0020, 1040) Position Reference Indicator LO: 'SN' (0020, 1041) Slice Location DS: '-207.500000' (0028, 0002) Samples per Pixel US: 1 (0028, 0004) Photometric Interpretation CS: 'MONOCHROME2' (0028, 0010) Rows US: 512 (0028, 0011) Columns US: 512 (0028, 0030) Pixel Spacing DS: ['0.703125', '0.703125'] (0028, 0100) Bits Allocated US: 16 (0028, 0101) Bits Stored US: 16 (0028, 0102) High Bit US: 15 (0028, 0103) Pixel Representation US: 1 (0028, 0120) Pixel Padding Value US: 63536 (0028, 0303) Longitudinal Temporal Information M CS: 'MODIFIED' (0028, 1050) Window Center DS: '-600' (0028, 1051) Window Width DS: '1600' (0028, 1052) Rescale Intercept DS: '-1024' (0028, 1053) Rescale Slope DS: '1' (0038, 0020) Admitting Date DA: '20000101' (0040, 0002) Scheduled Procedure Step Start Date DA: '20000101' (0040, 0004) Scheduled Procedure Step End Date DA: '20000101' (0040, 0244) Performed Procedure Step Start Date DA: '20000101' (0040, 2016) Placer Order Number / Imaging Servi LO: '' (0040, 2017) Filler Order Number / Imaging Servi LO: '' (0040, a075) Verifying Observer Name PN: 'Removed by CTP' (0040, a123) Person Name PN: 'Removed by CTP' (0040, a124) UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.335419887712224178340067932923 (0070, 0084) Content Creator's Name PN: '' (0088, 0140) Storage Media File-set UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.211790042620307056609660772296 (7fe0, 0010) Pixel Data OW: Array of 524288 bytes ``` 想要访问任何信息都可以通过前面的tag进行获取,一些特殊标记也可以通过keyword获取，如下： ```python >>> f[0x0008,0x0018].value '1.3.6.1.4.1.14519.5.2.1.6279.6001.143451261327128179989900675595' >>> f[0x0013,0x1010].value 'LIDC-IDRI' >>> f.PatientName '' >>> f.SeriesNumber '3000566' >>> ``` 本次实验中主要会使用到tag (0x0008, 0x0018)获取SOP_ID，以唯一区别每一张图，然后使用tag (0x7fe0, 0x0010)获取像素信息pixel_array，一张CT图像有 512x512 个像素点，在dicom文件中每个像素由2字节表示，所以每张图片约512KB大小。图像中每个像素都是整数，专业名称为 Hounsfield scale 或 CT Number，是描述物质的放射密度的量化值(参考[Wikipedia](https://en.wikipedia.org/wiki/Hounsfield_scale))。另外，不同公司生产的仪器包含信息略有不同，比如LIDC-IDRI-0069（`TOSHIBA公司`）中000001.dcm如下： ```python (0008, 0008) Image Type CS: ['ORIGINAL', 'PRIMARY', 'AXIAL'] (0008, 0016) SOP Class UID UI: CT Image Storage (0008, 0018) SOP Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.263800607656124864093833884216 (0008, 0020) Study Date DA: '20000101' (0008, 0021) Series Date DA: '20000101' (0008, 0022) Acquisition Date DA: '20000101' (0008, 0023) Content Date DA: '20000101' (0008, 0024) Overlay Date DA: '20000101' (0008, 0025) Curve Date DA: '20000101' (0008, 002a) Acquisition DateTime DT: '20000101' (0008, 0030) Study Time TM: '' (0008, 0032) Acquisition Time TM: '185549.500' (0008, 0033) Content Time TM: '185605.277' (0008, 0050) Accession Number SH: '2819497684894126' (0008, 0060) Modality CS: 'CT' (0008, 0070) Manufacturer LO: 'TOSHIBA' (0008, 0090) Referring Physician Name PN: '' (0008, 1090) Manufacturer Model Name LO: 'Aquilion' (0010, 0010) Patient Name PN: '' (0010, 0020) Patient ID LO: 'LIDC-IDRI-0069' (0010, 0030) Patient Birth Date DA: '' (0010, 0040) Patient Sex CS: 'M' (0010, 1010) Patient Age AS: '051Y' (0010, 2160) Ethnic Group SH: 'white-ns' (0010, 21c0) Pregnancy Status US: 4 (0010, 21d0) Last Menstrual Date DA: '20000101' (0012, 0062) Patient Identity Removed CS: 'YES' (0012, 0063) De-identification Method LO: 'DCM:113100/113105/113107/113108/113109/113111' (0013, 0010) Private Creator OB: 'CTP ' (0013, 1010) Private tag data OB: 'LIDC-IDRI ' (0013, 1013) Private tag data OB: '62796001' (0018, 0010) Contrast/Bolus Agent LO: '100ccs_OMNI-350' (0018, 0015) Body Part Examined CS: 'CHEST' (0018, 0022) Scan Options CS: 'HELICAL_CT' (0018, 0050) Slice Thickness DS: '2.0' (0018, 0060) KVP DS: '135' (0018, 0090) Data Collection Diameter DS: '400.00' (0018, 1020) Software Version(s) LO: 'V2.04ER001' (0018, 1100) Reconstruction Diameter DS: '379.687' (0018, 1120) Gantry/Detector Tilt DS: '+0.0' (0018, 1130) Table Height DS: '+48.00' (0018, 1140) Rotation Direction CS: 'CW' (0018, 1150) Exposure Time IS: '500' (0018, 1151) X-Ray Tube Current IS: '260' (0018, 1152) Exposure IS: '130' (0018, 1210) Convolution Kernel SH: 'FC10' (0018, 5100) Patient Position CS: 'FFS' (0020, 000d) Study Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.303241414168367763244410429787 (0020, 000e) Series Instance UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.131939324905446238286154504249 (0020, 0010) Study ID SH: '' (0020, 0011) Series Number IS: '3079' (0020, 0012) Acquisition Number IS: '5' (0020, 0013) Instance Number IS: '134' (0020, 0020) Patient Orientation CS: ['L', 'P'] (0020, 0032) Image Position (Patient) DS: ['-184.375000', '-188.281200', '1292.500000'] (0020, 0037) Image Orientation (Patient) DS: ['1.000000', '0.000000', '0.000000', '0.000000', '1.000000', '0.000000'] (0020, 0052) Frame of Reference UID UI: 1.3.6.1.4.1.14519.5.2.1.6279.6001.228313061349684266844487315959 (0020, 1040) Position Reference Indicator LO: '' (0020, 1041) Slice Location DS: '+324.00' (0028, 0002) Samples per Pixel US: 1 (0028, 0004) Photometric Interpretation CS: 'MONOCHROME2' (0028, 0010) Rows US: 512 (0028, 0011) Columns US: 512 (0028, 0030) Pixel Spacing DS: ['0.741', '0.741'] (0028, 0100) Bits Allocated US: 16 (0028, 0101) Bits Stored US: 16 (0028, 0102) High Bit US: 15 (0028, 0103) Pixel Representation US: 1 (0028, 0303) Longitudinal Temporal Information M CS: 'MODIFIED' (0028, 1050) Window Center DS: '-500' (0028, 1051) Window Width DS: '2000' (0028, 1052) Rescale Intercept DS: '0' (0028, 1053) Rescale Slope DS: '1' (0032, 000a) Study Status ID CS: '' (0032, 1000) Scheduled Study Start Date DA: '' (0032, 1001) Scheduled Study Start Time TM: '' (0032, 1060) Requested Procedure Description LO: '' (0032, 1064) Requested Procedure Code Sequence 1 item(s) ---- (0008, 0104) Code Meaning LO: '' --------- (0038, 0020) Admitting Date DA: '20000101' (0040, 0002) Scheduled Procedure Step Start Date DA: '20000101' (0040, 0003) Scheduled Procedure Step Start Time TM: '' (0040, 0004) Scheduled Procedure Step End Date DA: '20000101' (0040, 0005) Scheduled Procedure Step End Time TM: '' (0040, 0244) Performed Procedure Step Start Date DA: '20000101' (0040, 0245) Performed Procedure Step Start Time TM: '' (0040, 2016) Placer Order Number / Imaging Servi LO: '' (0040, 2017) Filler Order Number / Imaging Servi LO: '' (0040, a075) Verifying Observer Name PN: 'Removed by CTP' (0040, a123) Person Name PN: 'Removed by CTP' (0070, 0084) Content Creator Name PN: '' (7fe0, 0010) Pixel Data OB or OW: Array of 524288 bytes ``` 可以看到不同公司所做的检查存储信息的格式不太一样，但一些主要信息都还是有的： - `SOP Instance UID`：用于唯一区分每一张dcm切片，其中Study Instance UID，Series Instance UID上面已经提过，分别用于区分检查号和一次检查对应序列号。 - `Modality`：表示检查模态，有MRI，CT，CR，DR等； - `Manufacturer`：表示制造商，经分析共有"GE MEDICAL SYSTEMS"（最多）， "SIEMENS"， "TOSHIBA"， "Philips"四家制造商提供数据； - `Slice Thickness`：表示z方向切片厚度，经统计有GE MEDICAL SYSTEMS：2.50， 1.25，SIEMENS：0.75，1.0， 2.0，3.0，5.0，TOSHIBA：2.0， 3.0， Philips：2.0，1.0，1.5，0.9； - `Instance Number`：表示一组切片的序列号，这个可以直接用来将切面排序，在实际CT扫描时，是从胸部靠近头的一侧开始扫描，一次扫描到肺部最下，得到的instance number依次增加，对应的Image Position中的z依次减小，而对应的Slice Location是相对位置，绝大多数情况与Image Positon中的z值相同，依次减小，部分不同公司，如TOSHIBA则Slice Location可能与Image Position中的z不同，由于是相对位置，其Slice Location值为正，并且和Instance Number的变化趋势相同。为了在实际分析是不出现错误，不能仅仅采用Slice Location来对切片进行排序，而应使用Instance Number或者Image Position中的z，此次实验使用的是Instance Number。 - `Image Position`：表示图像的左上角在空间坐标系中的x,y,z坐标，单位是毫米，如果在检查中，则指该序列中第一张影像左上角坐标； - `Slice Location`：为切片z轴相对位置，单位毫米，大多情况与Image Position中的z相同，但TOSHIBA公司提供的数据里面不同，**所以不能仅仅根据这个值来对所有切片进行统一排序**； - `Photometric Interpretation`：光度计的解释,对于CT图像，用两个枚举值MONOCHROME1，MONOCHROME2.用来判断图像是否是彩色的，MONOCHROME1/2是灰度图，RGB则是真彩色图，还有其他； - `Pixel Spacing`：表示像素中心间的物理间距； - `Bits Allocated`：表示存储每一位像素时分配位数，Bits Stored 表示存储每一位像素所用位数； - `Pixel Representation`：表示像素数据的表现类型:这是一个枚举值，分别为十六进制数0000和0001，0000H = 无符号整数，0001H = 2的补码。 ### XML标注信息说明 ![](3.png) ![](4.png) 具体分析可以参见本人简书：[LIDC-IDRI肺结节Dicom数据集解析与总结](http://www.jianshu.com/p/9c1facf70b01)。分析之后回生成一个pkl文件，存储有每张图里面所有结节信息，包含三种结节，分别是small_nodules，nodules，non_nodules，每一种结节信息以list存储，list中每一项是一个结节块，具体结构是一个字典，包含两个键'centroid'和'pixels'，分别是结节中心点坐标和具体像素信息坐标，坐标以点对(x,y)的形式存储。分析得到的pkl部分结果展示如下： ```python '1.3.6.1.4.1.14519.5.2.1.6279.6001.193784360214506863621989507827': {'small_nodules': [], 'nodules': [], 'non_nodules': [{'centroid': (399, 211), 'pixels': [(399, 211)]}]}, '1.3.6.1.4.1.14519.5.2.1.6279.6001.980992723094835143194725792701': {'small_nodules': [], 'nodules': [], 'non_nodules': [{'centroid': (212, 157), 'pixels': [(212, 157)]}, {'centroid': (213, 157), 'pixels': [(213, 157)]}]}, '1.3.6.1.4.1.14519.5.2.1.6279.6001.315606855383999143703852453142': {'small_nodules': [{'centroid': [403, 272], 'pixels': [[403, 272]]}, {'centroid': [392, 317], 'pixels': [[392, 317]]}, {'centroid': [392, 317], 'pixels': [[392, 317]]}, {'centroid': [404, 273], 'pixels': [[404, 273]]}, {'centroid': [392, 316], 'pixels': [[392, 316]]}, {'centroid': [403, 272], 'pixels': [[403, 272]]}], 'nodules': [], 'non_nodules': [{'centroid': (109, 291), 'pixels': [(109, 291)]}, {'centroid': (109, 291), 'pixels': [(109, 291)]}]}, '1.3.6.1.4.1.14519.5.2.1.6279.6001.257699431144088065312137256223': {'small_nodules': [], 'nodules': [{'centroid': (317.0, 365.5), 'pixels': [[311, 361], [310, 362], [309, 362], [308, 363], [307, 364], [307, 365], [307, 366], [307, 367], [307, 368], [307, 369], [308, 369], [309, 369], [310, 370], [311, 370], [312, 370], [313, 370], [314, 370], [315, 369], [316, 369], [317, 369], [318, 368], [319, 368], [320, 369], [321, 369], [322, 369], [323, 369], [324, 369], [325, 369], [326, 369], [326, 368], [326, 367], [327, 366], [326, 365], [325, 364], [324, 363], [323, 363], [322, 363], [321, 363], [320, 363], [319, 364], [318, 364], [317, 365], [316, 366], [315, 365], [315, 364], [314, 363], [314, 362], [313, 361], [312, 361], [311, 361]]}], 'non_nodules': []}, '1.3.6.1.4.1.14519.5.2.1.6279.6001.313544823773855097029348077255': {'small_nodules': [{'centroid': [187, 166], 'pixels': [[187, 166]]}, {'centroid': [189, 167], 'pixels': [[189, 167]]}, {'centroid': [188, 166], 'pixels': [[188, 166]]}], 'nodules': [], 'non_nodules': []} ``` --- 分析所有1012个病人XML标注信息，存在如下问题： > 医生标注信息可能有误（个人觉得）!!!!!! 对所有病例跑完标注脚本（/home/zhwhong/API/get_txt.sh）时，在生成的log日志（/baina/sda1/data/lidc_matrix/get_txt.log）里面发现有问题的病例有四个，分别是LIDC-IDRI-0017，LIDC-IDRI-0365，LIDC-IDRI-0566，LIDC-IDRI-0659。 - 【LIDC-IDRI-0017】 ![](5.png) 我们找到这个不存在的sop_uid，为"1.3.6.1.4.1.14519.5.2.1.6279.6001.305973183883758685859912046949"，然后找到病例17对应的XML文件，看一下医生的标注信息，带有这个sop_uid的标注有两个，分别是医师2和医师4。我们看一下他们的标注：医师2： ![](6.png) 医师4： ![](7.png) 对，有两个医师都标注了这个sop_uid，并且对应的ImageZposition为 -82.75，我们再在XML文件中找到ImageZposition为 -82.75 的另外两个医师是否有标注，结果是有，但是另外两个医师标注的 -82.75 的位置对应的切片的sop_uid和医师2,4不同，分别如下：医师1： ![](8.png) 医师3： ![](9.png) 这就很尴尬了，同一个ImageZpositon，但是却标了不同的sop_uid，于是追根溯源，看一下到底是怎么回事，自己写脚本遍历LIDC-IDRI-0017中所有dcm切片，打印出所有切片sop_uid，作对比，然后发现在所有的结果中，根本没有找到医师2,医师4标记的那个sop_uid，而医师1，医师3的标注是存在的，如下：医师2、4标记的sop_uid找不到： ![](10.png) 医师1,3标记的找到了： ![](11.png) 所以初步认定，LIDC-IDRI-0017病例中，医师2和医师4存在两处错误的标注信息（sop_uid错误） - 【LIDC-IDRI-0365】 LIDC-IDRI-0365中存在两份检查序列，分别是： 1.3.6.1.4.1.14519.5.2.1.6279.6001.212341120080087350703610584139 / 1.3.6.1.4.1.14519.5.2.1.6279.6001.207544473852086582434957174616 和 1.3.6.1.4.1.14519.5.2.1.6279.6001.216207548522622026268886920069 / 1.3.6.1.4.1.14519.5.2.1.6279.6001.802846969823720586279982179144，存在问题的是第二份序列，问题同17号病例类似，如下： ![](12.png) 找到医生标注如下（四位医师标注相同）： ![](13.png) 同样遍历LIDC-IDRI-0365中第二份序列，找不到对应标记的切片sop_uid： ![](14.png) - 【LIDC-IDRI-0566】存在和上面相同的问题： ![](15.png) ![](16.png) ![](17.png) - 【LIDC-IDRI-0659】 ![](18.png) ![](19.png) ![](20.png) --- (文章首发于简书：[LIDC-IDRI肺结节公开数据集Dicom和XML标注详解](http://www.jianshu.com/p/c4e9e18195eb)，现在搬运至博客。转载请联系作者并注明出处，谢谢！)