0

对于我正在做的一个项目，我想编写一个脚本，可以计算 nifti 格式（.nii 扩展名）的 MRI 图像的总脑容量。我不知道该怎么做是遍历所有单个体素并提取其中的整数数据。有人知道该怎么做吗？

这是我用来在 Python 中加载特定 nifti 图像的代码：

import nibabel as nib
import numpy as np
import os

path = '/Users/arnavlohe/Desktop/ADNI_002_S_0782_MR_MP-RAGE_REPEAT_br_raw_20060814234209235_1_S17836_I20520_be_be_mixeltype.nii'
img = nib.load(path)
print(img)

这是生成的输出/图像数据：

<class 'nibabel.nifti1.Nifti1Image'>
data shape (166, 256, 256)
affine: 
[[  1.20000184   0.           0.         113.7559967 ]
 [  0.           0.9375       0.         158.26870728]
 [  0.           0.           0.9375     418.0289917 ]
 [  0.           0.           0.           1.        ]]
metadata:
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : 
db_name         : 
extents         : 0
session_error   : 0
regular         : r
dim_info        : 0
dim             : [  3 166 256 256   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : int32
bitpix          : 32
slice_start     : 0
pixdim          : [1.        1.2000018 0.9375    0.9375    1.        0.        
0.
 0.       ]
...

这是我能提供的所有信息，我很抱歉我的问题不再具体。

4

3 回答 3

1

您可以结合起来get_fdata()以 NumPy 数组的形式检索图像数据：

img = nib.load(path)
data = img.get_fdata()

和NumPy 索引来访问体素，例如：

data[1,1,1]

最后请注意，您可能会在Neurostars上提出此类问题。

于 2019-01-04T17:12:28.177 回答
1

不要遍历每个体素，这将非常慢（需要几分钟才能运行）。相反，请使用适用于整个数组的 numpy 操作。我建议使用阈值：

img = nib.load(path)
voxel_volume = np.prod(img.header['pixdim'][1:4])
data = img.get_fdata()
threshold = 0
mask = np.where(data > threshold, 1, 0)
volume = voxel_volume*np.sum(mask)
print(volume/1000, "cm³")
于 2020-05-05T21:07:10.833 回答
0

非常近似的计算：

img = nib.load(path)
voxel_volume = np.prod(img.header['pixdim'][1:4])
voxel_count = np.count_nonzero(img.get_fdata())
print(voxel_volume*voxel_count/1000, "cm³")
于 2020-04-29T22:28:26.090 回答