使用Python和pydicom进行最佳努力去识别dicom
项目描述
Deidentify (deid)
Python中医疗图像的最佳努力匿名化。
请参阅我们的文档。
这些是基于Python的工具,用于处理医疗图像和文本,特别是用于去识别。这里使用的清理方法与CTP中的方法类似,我们可以根据已知位置识别图像。我们正在寻找合作伙伴来开发和验证OCR清理方法!如果您想帮忙工作,请与我们联系。
安装
本地
对于稳定版本,通过pip安装
pip install deid
对于开发版本,从Github安装
pip install git+git://github.com/pydicom/deid
Docker
docker build -t pydicom/deid .
docker run pydicom/deid --help
问题
如果您有问题或想要请求功能,请在我们的问题板上操作。
项目详情
下载文件
下载适合您平台的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。
源分发
deid-0.3.25.tar.gz (50.7 kB 查看哈希值)
构建分发
deid-0.3.25-py3-none-any.whl (94.4 kB 查看哈希值)
关闭
deid-0.3.25.tar.gz的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 92a8a3807c999026a88fae1d741752d38243ecb7dbc257a8d7158b5022a386c3 |
|
MD5 | 320b16e7f7f3cb066560faf17e181d27 |
|
BLAKE2b-256 | d99d3726d4463e50d038a19c79f3c61b2d70fb23507b9e1a583d9e636cabb0c3 |
关闭
deid-0.3.25-py3-none-any.whl的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | dddb20dd4a67120020a072fc55784efb87c3d5ff5beeaadc35c815f71189e418 |
|
MD5 | 0464b7bca1366227ce1a688a9c149285 |
|
BLAKE2b-256 | 3dc271eaa892531f58ebcda2a852d2139db3f6f316080b21ce44862eb821531e |