{
 "cells": [
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "btIcF4lpu_Xx"
   },
   "source": [
    "import requests\n",
    "\n",
    "# Пример запроса к TCIA API\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "j4rCtvc9u_XD"
   },
   "source": [
    "**Шаг 1**. The Cancer Imaging Archive (TCIA) предоставляет доступ к медицинским изображениям через API. Вы можете использовать библиотеку requests для загрузки данных из TCIA:"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "uR4WCv5yrzNl",
    "outputId": "0a2a3495-5147-4bed-a209-c800c26cda8d"
   },
   "outputs": [],
   "source": [
    "import requests\n",
    "\n",
    "# Пример запроса к TCIA API\n",
    "url = \"https://services.cancerimagingarchive.net/services/v3/TCIA/query/getSeries?Collection=TCGA-BRCA\"\n",
    "response = requests.get(url)\n",
    "\n",
    "# Проверка ответа\n",
    "if response.status_code == 200:\n",
    "    print(\"Данные получены успешно\")\n",
    "else:\n",
    "    print(\"Ошибка получения данных\")\n",
    "\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "AlwoAu-ju7SC"
   },
   "source": []
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "LuW1z73XvxYF"
   },
   "source": [
    "**Шаг 2.** Данные приходят в JSON формате.\n",
    "В этом примере запрос отправляется с параметром format=json, чтобы вернуть данные в формате JSON.\n",
    "Преобразование ответа в JSON:\n",
    "response.json() позволяет конвертировать ответ в словарь Python, с которым будем работать дальше.\n",
    "Обработка JSON-ответа:\n",
    "Сначала печатаем весь JSON для ознакомления."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "0rA31BsAuGeM",
    "outputId": "fac4ab13-ddbb-41fd-ade9-279df305554a"
   },
   "outputs": [],
   "source": [
    "import requests\n",
    "import json\n",
    "\n",
    "# Пример запроса к TCIA API, предполагающий JSON формат\n",
    "url = \"https://services.cancerimagingarchive.net/services/v3/TCIA/query/getSeries?Collection=TCGA-BRCA&format=json\"\n",
    "response = requests.get(url)\n",
    "\n",
    "# Проверка ответа\n",
    "if response.status_code == 200:\n",
    "    print(\"Данные получены успешно\")\n",
    "\n",
    "    # Преобразование ответа в JSON\n",
    "    data = response.json()\n",
    "    print(json.dumps(data, indent=4))  # Печать данных в формате JSON с отступами\n",
    "\n",
    "    # Обработка данных\n",
    "    for item in data:\n",
    "        series_instance_uid = item.get('SeriesInstanceUID', 'N/A')\n",
    "        modality = item.get('Modality', 'N/A')\n",
    "        protocol_name = item.get('ProtocolName', 'N/A')\n",
    "        body_part_examined = item.get('BodyPartExamined', 'N/A')\n",
    "\n",
    "        # Печать извлеченной информации\n",
    "        print(f\"SeriesInstanceUID: {series_instance_uid}\")\n",
    "        print(f\"Modality: {modality}\")\n",
    "        print(f\"ProtocolName: {protocol_name}\")\n",
    "        print(f\"BodyPartExamined: {body_part_examined}\")\n",
    "        print('-' * 30)\n",
    "else:\n",
    "    print(\"Ошибка получения данных\")\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "G3VSxAgX6RbK"
   },
   "source": [
    "**Шаг3**.**Получение идентификаторов для загрузки изображений**\n",
    "\n",
    "Используя первый запрос к TCIA API, получили метаданные, такие как SeriesInstanceUID для каждой серии изображений.\n",
    "Эти идентификаторы нужны для следующего шага — получения ссылок на сами изображения.\n",
    "Запрос на загрузку изображений с использованием SeriesInstanceUID\n",
    "Чтобы загрузить все изображения в определенной серии, нужно выполнить запрос к TCIA API с использованием SeriesInstanceUID"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "AexV0o2gJahr",
    "outputId": "06c3167c-931f-4f15-917e-a5fe6d7463d5"
   },
   "outputs": [],
   "source": [
    "import os\n",
    "import requests\n",
    "\n",
    "# Пример использования SeriesInstanceUID\n",
    "series_instance_uid = \"1.3.6.1.4.1.14519.5.2.1.6450.4002.265963154110062013582166845425\"  # Пример идентификатора\n",
    "\n",
    "# URL для загрузки изображений\n",
    "url = f\"https://services.cancerimagingarchive.net/services/v3/TCIA/query/getImage?SeriesInstanceUID={series_instance_uid}\"\n",
    "response = requests.get(url, stream=True)\n",
    "\n",
    "# Путь для сохранения ZIP-файла\n",
    "output_path = \"/content/images.zip\"\n",
    "\n",
    "# Создание необходимых папок, если их нет\n",
    "folder_path = os.path.dirname(output_path)\n",
    "os.makedirs(folder_path, exist_ok=True)\n",
    "\n",
    "# Проверка ответа и сохранение изображения\n",
    "if response.status_code == 200:\n",
    "    print(f\"Сохранение файла в {output_path}\")\n",
    "    with open(output_path, \"wb\") as file:\n",
    "        for chunk in response.iter_content(chunk_size=128):\n",
    "            file.write(chunk)\n",
    "    print(f\"Изображения успешно загружены и сохранены как {output_path}\")\n",
    "else:\n",
    "    print(\"Ошибка при загрузке изображений\")\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "-PwPLc8aKV9h",
    "outputId": "821075b5-c777-451e-e84f-6ea3f69c092a"
   },
   "outputs": [],
   "source": [
    "import zipfile\n",
    "\n",
    "# Распаковка загруженного ZIP-файла\n",
    "with zipfile.ZipFile(\"images.zip\", 'r') as zip_ref:\n",
    "    zip_ref.extractall(\"images\")  # Папка для распакованных изображений\n",
    "print(\"Файлы успешно распакованы\")\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "DVVYma3wM4vf"
   },
   "source": [
    "**Шаг. 4**# Для чтения DICOM файлов используйте pydicom, а для визуализации изображений — matplotlib."
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/"
    },
    "id": "Tw2PTwQrOlLe",
    "outputId": "d21f3b3b-c985-45ad-fdc6-a8c36cd10335"
   },
   "outputs": [],
   "source": [
    "!pip install pydicom\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "metadata": {
    "colab": {
     "base_uri": "https://localhost:8080/",
     "height": 839
    },
    "id": "OLMmOFkCM59-",
    "outputId": "f4370e76-ad70-45da-8192-fe2de2232455"
   },
   "outputs": [],
   "source": [
    "import os\n",
    "import pydicom\n",
    "import matplotlib.pyplot as plt\n",
    "\n",
    "# Папка с распакованными изображениями\n",
    "dicom_folder = \"images\"\n",
    "\n",
    "# Чтение всех DICOM-файлов в папке и визуализация первого изображения\n",
    "for filename in os.listdir(dicom_folder):\n",
    "    if filename.endswith(\".dcm\"):\n",
    "        dicom_path = os.path.join(dicom_folder, filename)\n",
    "        dicom_data = pydicom.dcmread(dicom_path)\n",
    "\n",
    "        # Получение массива пикселей изображения\n",
    "        image = dicom_data.pixel_array\n",
    "\n",
    "        # Визуализация изображения\n",
    "        plt.imshow(image, cmap=\"gray\")\n",
    "        plt.title(f\"Пациент ID: {dicom_data.PatientID}\")\n",
    "        plt.axis(\"off\")\n",
    "        plt.show()\n",
    "        break  # Визуализируем только первое изображение\n"
   ]
  },
  {
   "cell_type": "markdown",
   "metadata": {
    "id": "U-9TfVjKQsFV"
   },
   "source": [
    " библиотеки, как OpenCV, scikit-image, и NumPy предоставляют множество инструментов для фильтрации, повышения контраста и удаления шума."
   ]
  }
 ],
 "metadata": {
  "colab": {
   "provenance": []
  },
  "kernelspec": {
   "display_name": "Python 3",
   "name": "python3"
  },
  "language_info": {
   "name": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 0
}