simpleitk

Présentation

SimpleITK simplifie l'Insight Toolkit (ITK) pour le traitement d'images médicales : segmentation, recalage, filtrage, rééchantillonnage et opérations morphologiques. Supporte DICOM, NIfTI, NRRD et 50+ formats de fichiers.

Installation

uv pip install SimpleITK

Opérations d'image de base

import SimpleITK as sitk
import numpy as np

image = sitk.ReadImage("ct_scan.nii.gz")
print(image.GetSize(), image.GetSpacing(), image.GetOrigin())

array = sitk.GetArrayFromImage(image)
print(array.shape)  # (z, y, x)

Segmentation

binary = sitk.BinaryThreshold(image, lower=200, upper=500, insideValue=1, outsideValue=0)
cc = sitk.ConnectedComponent(binary)
stats = sitk.LabelIntensityStatisticsImageFilter()
stats.Execute(cc, image)

for label in stats.GetLabels():
    print(f"Label {label}: mean={stats.GetMean(label):.1f}")

Recalage

fixed = sitk.ReadImage("template.nii.gz")
moving = sitk.ReadImage("moving.nii.gz")

R = sitk.ImageRegistrationMethod()
R.SetMetricAsMattesMutualInformation(numberOfHistogramBins=50)
R.SetOptimizerAsGradientDescent(learningRate=1.0, numberOfIterations=100)
R.SetInitialTransform(sitk.CenteredTransformInitializer(fixed, moving, sitk.Euler3DTransform()))
final_transform = R.Execute(fixed, moving)
resampled = sitk.Resample(moving, fixed, final_transform, sitk.sitkLinear)

Flux de travail

1. Lire les images avec sitk.ReadImage() (détecte automatiquement le format)
2. Prétraitement : BinaryThreshold, MedianFilter, ResampleImageFilter
3. Segmenter avec seuillage, watershed ou composantes connexes
4. Recaler avec ImageRegistrationMethod + transformation
5. Mesurer les volumes avec LabelStatisticsImageFilter
6. Écrire les résultats avec sitk.WriteImage()