问题标签 [nifti]

我实际上正在使用 Python 处理 MRI 图像。图像格式是 NIFTI 格式，我知道如何在 x、y 或 z 轴上可视化切片，但是现在，我想对它们中的每一个使用 Sobel 过滤并用这些切片创建一个新的 NIFTI 图像。

为了那个原因：

• 我加载主 .nii.gz 图像（img = nib.load(im_path)）
• 我再次使用新名称“img_sobel”（img_sobel = nib.load(im_path)）加载主 .nii.gz 图像
• 为每个切片创建一个循环
• Sobel 过滤切片
• 在img_sobel的对应切片上替换这个切片("img_sobel_data[:, :, sl] == np.hypot(sx, sy)")
• 循环结束后，保存名为“image_XXX_Sobel”的img_sobel

使用 subplot，我看到每个切片上的 sobel 过滤工作，但似乎“img_sobel_data [:, :, sl] == np.hypot(sx, sy)” 行不起作用，为什么？

这是洛普部分：

怎么了 ？我们不能用 Python 替换另一个图像切片吗？有解决这个问题的技巧吗？

谢谢 ！

编辑：好的，我明白了为什么我不能这么容易做到这一点：我提取了 NIFTI 图像的切片，过滤了它们，但我没有改变 NIFTI 图像本身！所以我现在的问题是：如何更改从 img_sobel.get_fdata() 获取的 NIFTI 图像？

我有一个使用 SimpleITK 库读取 NIFTI 图像的 python 代码。然后它将图像转换为 Numpy 数组。然后，我将 Numpy 数组扩展为一个列表。

我有 20 个 FLAIR.nii.gz 文件。它们每个都有 48 片。

当我拥有所有 20 个患者的所有 48 个切片时，我将列表转换为 Numpy 数组。

我这样做是因为我是 Python 的新手，而且我不知道有任何其他方法可以做到这一点。

代码是：

此代码生成此输出（所有 FLAIR.nii.gz 文件具有相同的形状）：

代码的最终输出是：

我的问题：

我不明白为什么 flair_array 有这种形状：(960,)。 flair_array dtype是object。

我尝试了相同的代码，没有更改任何内容，并且效果很好。它也有 20 名患者，每个 FLAIR.nii.gz 文件也有 48 个切片。

它的输出：

这是此数据集的最终输出：

有了这第二个数据集，flair_array就是float32.

为什么第一个flair_array形状是(960,)？

更新：
在两个数据集中，brain_array.dtype总是float32。

我是医学图像处理的新手。我正在尝试读取 Nifti 图像并将标题信息写入 csv 文件。

现在我如何设法将这些信息保存到 csv 文件中？当我将数据输入 Numpy 时，它是一个 3 维 numpy，但是将这些信息保存为 csv 格式的正确方法是什么。

I have a whole-body MRI scans with the header below:

Binary label-maps for different organs in the whole-body MRI scan. I need to merge them together as a single label-map nifty file.
One of the label-map has a different shape and q_offset values in its header that make merging difficult. The header of that label-map nifty file below:

When I overlay the individual label-map on top of the whole-body MRI scan using 3dSlicer, it overlayed perfectly for the concerned organ, but as the shape is different, once after merging all label-maps, it does not work [ Yellow label-map for Spleen organ].

This is how it looks in 3dSlicer [ Look for Yellow region.].

But the expected area of visualization is in the bottom right of below pic. (Spleen Organ)

As the voxel resolution is the same, I think this has something to do with different q_offset values.

Kindly, let me know if anyone has a solution.

我正在尝试将一组 3D MRA NIFTI 图像拆分为相同大小的体素补丁（例如 32 x 32 x 32）。
目标是使用体素训练 3D CNN 来检测大脑动脉内的异常。

如何使用 Python 使用 Numpy 之类的库来实现这一点。

我想将 DisplacementFieldTransform 保存为 SimpleITK 中的图像。

文档说：

位移场，例如存储在 DisplacementFieldTransform 对象中的位移场，也可以保存为图像（.nrrd、.nhdr、.mha、.mhd、.nii、.nii.gz）。

但是当我这样做时

我收到以下错误：

如何将我的 DisplacementFieldTransform 保存为图像？

我有一个 nifti 文件1.nii.gz

现在，我从来没有处理过 nifti 文件。

所以，只要用这个软件打开它，我就意识到 nii.gz 是一种包含3 个二维图片数组的容器。事实上，如果我滚动鼠标，我可以看到在图片中标记为 1 的“方向”的 448 张 2d 图片，“方向”2 的 448 张 2d 图片和“方向”3 的 25 张 2d 图片。

在此之后，我打开了 shell 并尝试将这个 nii.gz 与 Nibabel 库一起使用

但是，如果我输入

结果我得到 (448,448,25)，所以这个 .nii.gz 似乎是一个 3d 矩阵，而不是一个包含 3 个 2d 图片数组的容器。你能给我解释一下吗？

我有一个关于对不同患者进行的脑 MRI 的nifti文件数据集，我使用名为 Nibabel 的库将它们加载到 Python 中。

这是从我的数据集中拍摄的 MRI 切片：

正如你所看到的，这个头部没有完全对齐（在这种情况下稍微向右倾斜）。由于我想将此 nifti 数据集与神经网络一起使用，因此我想正确对齐每一个 Brain MRI。

我找到了Flirt工具（在 FSL 中找到）（我实际上正在使用Python的包装器），你知道它是否可以用来解决我的问题吗？

如果是，该工具的适当设置是什么？这是我第一次使用 nifti 文件:(

如果此工具不能用于对齐脑 MRI，您知道我可以用于此目的的工具/库吗？

我正在尝试在 nifti 文件 (.nii) 中分割多种材料，但每当我运行我的 UNet 时，它只会分割一种材料并返回 0 和 1（黑色和白色）的标签。我想返回 0、1 和 2 的标签。我n_labels = 3在定义模型时尝试包括在内，但模型仍然返回 0 和 1 的标签。我的训练标签用未标记、内部和外部分段。

我有以下格式的文件，Nifti其中包含掩码，我编写了以下代码将里面的图像提取为PNG图像，问题是：

这是一个标有 [0. 1. 2. 3.]，保存掩码后，PNG掩码图像内的值分布在 [0 --> 255] 范围内，它们不再像以前那样只是 4 个标签！

请问我该如何解决这个问题？

唯一重要的是里面有 4 个独特的标签。

提前致谢。