0

我使用 python 分析了一些 fMRI 数据，现在想将我的结果保存为 niftis，然后我可以在 SPM 分析中使用它。

我的数据分数是一个 float64 形状的数组（97、115、97）。我使用以下代码保存它：

import nibabel as nib   
import nilearn 

scores_image = nib.Nifti1Image(scores,affine = np.eye(4))
nib.save(scores_image,"scores.nii")

但是，当我将数据加载到 SPM 中时，我注意到原点和比例都不同于 SPM 的预期： 我的 scores.nii（上图）和标准 SPM nifti 的比较

有谁知道哪个代码会自动保存我的分数变量，其来源和大小与 SPM 期望的相同？

更新：这是 SPM 图像的标题，其中突出显示它与我自己的图像不同：

comp_img = nib.load('spmT_0014.nii')

print(comp_img.header)
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : b''
db_name         : b''
extents         : 0
session_error   : 0
regular         : b'r'                          ## ---> b''
dim_info        : 0
dim             : [  3  97 115  97   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : float32
bitpix          : 32
slice_start     : 0
pixdim          : [1. 2. 2. 2. 0. 0. 0. 0.]     ## ---> [1. 1. 1. 1. 1. 1. 1. 1.]
vox_offset      : 0.0
scl_slope       : nan
scl_inter       : nan
slice_end       : 0
slice_code      : unknown
xyzt_units      : 10                            ## ---> 0
cal_max         : 0.0
cal_min         : 0.0
slice_duration  : 0.0
toffset         : 0.0
glmax           : 0
glmin           : 0
descrip         : b''
aux_file        : b''
qform_code      : aligned                       ## ---> unknown
sform_code      : aligned
quatern_b       : 0.0
quatern_c       : 0.0
quatern_d       : 0.0
qoffset_x       : -96.5                         ## ---> 0
qoffset_y       : -132.5                        ## ---> 0
qoffset_z       : -78.5                         ## ---> 0
srow_x          : [  2.    0.    0.  -96.5]     ## ---> [1. 0. 0. 0.]
srow_y          : [   0.     2.     0.  -132.5] ## ---> [0. 1. 0. 0.]
srow_z          : [  0.    0.    2.  -78.5]     ## ---> [0. 0. 1. 0.]
intent_name     : b''
magic           : b'n+1'
4

1 回答 1

0

好的，如果其他人在某个时候尝试这样做，我已经找到了一种方法来使用以下代码来做到这一点：

from nilearn import image
import nibabel as nib

comp_img = nib.load('spmT_0014.nii')
scores_img = image.new_img_like(comp_img, scores, copy_header=False)

这给了我以下信息（上图是 SPM 之一，下图是我创建的）：SPM 中的比较

于 2020-09-04T08:04:48.753 回答