1.FSL和MRICRON预处理DICOM数据

软件安装见：https://blog.csdn.net/qq_29477893/article/details/89376758。推荐第二种手动安装方法，尝试过几次都一次性安装成功。

步骤： 1）dicom数据转换为nii数据 2）FSL的bet提取大脑 3)FSL的flirt配准到标准大脑模板(/usr/local/fsl/data/standard/MNI152_T1_1mm_brain.nii.gz）

批处理shell脚本

#!/bin/bash ref="/usr/local/fsl/data/standard/MNI152_T1_1mm_brain.nii.gz" # 标准化空间模板 #mask_ref="/PUBLIC/wangcong/software/model/cerebellar_mask.nii" #标准小脑mask模板 precessing(){ for subject in $(ls $1) do echo "处理$1/..." echo $subject start_time=`date +%s` #准备预处理文件夹 input_mri=$1/$subject temp_mri=$2/$subject output_mri=$3 mkdir -p $temp_mri mkdir -p $output_mri #开始预处理步骤 echo "dcm转Nii格式..." dcm2nii -o $temp_mri $input_mri #dcm转Nii格式，输出到temp_dti raw_mri=`ls $temp_mri/co*.nii.gz` #找到需要的文件名 echo "提取大脑..." brain_mri="brain_mri" #输出大脑文件的命名 bet $raw_mri $temp_mri/$brain_mri -R #提取大脑，参数-R echo "空间标准化..." norm_mri="norm_mri" flirt -in $temp_mri/${brain_mri}.nii.gz -ref $ref -out $temp_mri/$norm_mri #模板文件ref echo "结果文件复制转移..." out_mri=${subject}_mri cp $temp_mri/${norm_mri}.nii.gz $output_mri/${out_mri}.nii.gz echo "删除临时文件夹..." rm -rf $2/$subject stop_time=`date +%s` echo "TIME:`expr $stop_time - $start_time`" done } input="./DATA/$1" #原始文件夹 temp="./temp/$1" #临时文件夹 output="./processed/$1" #结果文件夹 precessing $input $temp $output

运行脚本传入参数，正常显示下面即成功处理 最终的结果：

2.使用python的nibabel库显示处理图像

下面代码包含了三个函数,读取函数，显示函数，降采样函数

# -*- coding: utf-8 -*- """ Created on Thu Jul 2 10:16:18 2020 @author: cong """ import nibabel as nib import matplotlib.pyplot as plt import numpy as np def read_data(path): image_data = nib.load(path).get_data() return image_data def show_img(ori_img,c): if c==1: plt.imshow(ori_img[:,:,ori_img.shape[2]//2], cmap = 'gray') #channel_last plt.show() if c==2: plt.imshow(ori_img[:,ori_img.shape[1]//2,:], cmap = 'gray') #channel_last plt.show() if c==3: plt.imshow(ori_img[ori_img.shape[0]//2,:,:], cmap = 'gray') #channel_last plt.show() def down_sample(data,n1,n2,n3):#n1,n2,n3各个维度的降采样比例 [r,c,h] = data.shape dr = round(r/n1) dc = round(c/n2) dh = round(h/n3) Idown = np.zeros((dr,dc,dh)) p =0 q =0 w =0 for i in range(0,r,n1): for j in range(0,c,n2): for k in range(0,h,n3): Idown[p,q,w] = data[i,j,k] w = w+1 w =0 q = q+1 q = 0 p = p+1 return Idown #读取并显示原始图像 path = '../processed/PD_bl/3102_mri.nii.gz' data = read_data(path) print(data.shape) show_img(data,1) show_img(data,2) show_img(data,3) #降采样图像并显示 down_data=down_sample(data,2,2,2) print(down_data.shape) show_img(down_data,1) show_img(down_data,2) show_img(down_data,3) #保存处理后的array为nii数据 affine = np.diag([1, 2, 3, 1]) new_image = nib.Nifti1Image(down_data,affine) nib.save(new_image, 'downsample_3102_mri.nii.gz') #读取显示降采样后的图像（确认无误） down_data = read_data('downsample_3102_mri.nii.gz') show_img(down_data,1) show_img(down_data,2) show_img(down_data,3)