# 使用 lungmask 自动分割肺部 CT 并保存掩膜

# 1. 环境安装

首先需要安装以下 Python 包：

lungmask：肺部分割模型
SimpleITK：医学图像读取
nibabel：医学图像格式读写（如 NIfTI）
numpy：基础数值计算

建议使用 conda 或 pip 安装：

pip install lungmask SimpleITK nibabel numpy

⚠️ 注意：lungmask 依赖 PyTorch，安装时会自动安装 CPU 版本的 torch。如果你有 GPU 并想加速，可以手动安装对应的 torch 版本。

# 2. 代码实现

下面是完整的分割及保存代码：

import SimpleITK as sitk
import lungmask
import nibabel as nib
import numpy as np

if __name__ == '__main__':
    # 1. 读取 NIfTI 格式的 CT 图像
    nii = nib.load('./data/lung_001.nii.gz')
    img_sitk = sitk.ReadImage('./data/lung_001.nii.gz')
    
    # 2. 用 lungmask 进行肺部分割
    lung_mask = lungmask.mask.apply(img_sitk)
    # lungmask 输出的掩膜 shape 顺序为 (z, y, x)，需转置为 (x, y, z)
    lung_mask = np.transpose(lung_mask, (2, 1, 0))  
    
    # 3. 检查分割标签
    unique_labels = np.unique(lung_mask)
    print("标签值有：", unique_labels)
    # 通常 0=背景, 1=左肺, 2=右肺, 3=气管
    
    # 4. 合并所有非0标签为1，得到二值肺掩膜
    lung_mask_merged = (lung_mask > 0).astype(np.uint8)
    
    # 5. 保存为新的 NIfTI 文件，保持 affine 信息不变
    lung_mask_nii = nib.Nifti1Image(lung_mask_merged, affine=nii.affine)
    nib.save(lung_mask_nii, 'lung_001_lungmask_merged.nii.gz')
    print('合并后肺部分割结果已保存为 lung_001_lungmask_merged.nii.gz')

# 3. 代码说明

读取图像
使用 nibabel 和 SimpleITK 读取同一个 CT 文件，分别用于后续分割和保存 affine 信息。
肺部自动分割
lungmask.mask.apply 直接对 SimpleITK 图像进行分割，输出掩膜。
标签合并
原始分割掩膜可能有多个标签（如左肺、右肺、气管等），这里将所有非0标签合并为1，得到二值化的肺掩膜。
保存掩膜
用 nibabel 保存为 NIfTI 格式，保持原 affine 信息，方便后续配准和分析。

# 4. 结果说明

lung_001_lungmask_merged.nii.gz 是最终的二值肺掩膜文件，肺部区域为1，其他为0。
控制台会输出掩膜中的唯一标签值，便于检查分割效果。

# 参考链接

如有问题，欢迎随时补充或提问！

医学影像处理