医学影像中用 python 读取 nrrd 文件，nrrd转nii，以及遇到的一些问题和解决方法

遇到的问题：

TypeError: Cannot handle this data type: (1, 1, 237), <f8

如果只想看解决方法，直接跳到第四点

用 python 读取 nrrd 文件：

用 python 读取 nrrd 文件一般使用 pynrrd 这个库

1、安装pynrrd:

// pip 安装
pip install pynrrd

完成后进入python IDLE

// 检查nrrd是否安装成功
import nrrd

如果是正常使用的话，这样安装就完全OK了，但是如果相对 nrrd 做出一些贡献：

pip install git+https://github.com/mhe/pynrrd.git
cd pynrrd
pip install .  // 注意不要忘了最后的小点 

完成后像上面一样测试一下是否安装成功

2、安装成功之后读取 nrrd 文件

//先导入 nrrd 库
import nrrd
data_path=r'你自己的 nrrd 文件路径’
data,options=nrrd.read(data_path)  # 读入 nrrd 文件
'''
data：保存图片的多维矩阵;
nrrd_options：保存图片的相关信息
'''
可以打印查看data 和 nrrd_options 里面的内容：
print(data)
print(options)

输出结果：

data:
[[[-3024 -3024 -3024 … -3024 -3024 -3024]
[-3024 -3024 -3024 … -3024 -3024 -3024]
[-3024 -3024 -3024 … -3024 -3024 -3024]
…
…
…
[-3024 -3024 -3024 … -3024 -3024 -3024]
[-3024 -3024 -3024 … -3024 -3024 -3024]
[-3024 -3024 -3024 … -3024 -3024 -3024]]]

options:
OrderedDict([(‘type’, ‘int’), (‘dimension’, 4), (‘space’, ‘right-anterior-superior’), (‘sizes’, array([ 3, 512, 512, 237])), (‘space directions’, array([[ nan, nan, nan],
[-0.703125, 0. , 0. ],
[ 0. , -0.703125, 0. ],
[ 0. , 0. , 1.25 ]])), (‘kinds’, [‘RGB-color’, ‘domain’, ‘domain’, ‘domain’]), (‘endian’, ‘little’), (‘encoding’, ‘gzip’), (‘space origin’, array([ 200.2, 186.2, -279. ])), (‘measurement frame’, array([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])), (‘DICOM.instanceUIDs’, ‘…’), (‘MultiVolume.DICOM.EchoTime’, ‘’), (‘MultiVolume.DICOM.FlipAngle’, ‘’), (‘MultiVolume.DICOM.RepetitionTime’, ‘’), (‘MultiVolume.FrameIdentifyingDICOMTagName’, ‘AcquisitionTime’), (‘MultiVolume.FrameIdentifyingDICOMTagUnits’, ‘ms’), (‘MultiVolume.FrameLabels’, ‘0.0,12131.054999999702,24276.126000000164’), (‘MultiVolume.NumberOfFrames’, ‘3’)])

3、查看 nrrd 文件的形状

print(data.shape)

(512, 512, 237)

正常情况下读取出来的 nrrd 数据应该都是类似这种的格式:[w, h, n]
第三维度保存的是图像的序号；
但是在一些情况先我们读出来的数据格式是：[c, w, h, n] ;这乍一看没啥为题，就是多了第一维度的通道信息。
这没毛病，但是在后面我们进一步处理的时候可能就会报错，因为这毕竟是医学影响数据，我们是要将其转换为图像数据的吧。

**

4、将 nrrd 矩阵转换为图像数据

我的 nrrd 文件转成图像后是用于深度学习，
data.shape = (3, 512, 512, 237)
所以就先将其转换为PIL 格式（需要用到PIL库）

//安装PIL库
pip install pillow

import PIL  # 测试PIL库是否安装成功

from PIL import Image
img=Image.fromarray(data[:,:,20]) # 截取前20张图片

但是就在这里，报了一个错：

TypeError: Cannot handle this data type: (1, 1, 237), <f8

究其原因，是因为[c, w, h, n]中，c的原因；如果要想成功的将其转换为图像数据，可以使用下面这条命令

img=Image.fromarray(data[1,:,:,20]) # 截取第一个通道的前20张图片

但是我经过对比，发现三个通道上的信息不同，如果随意选择一个进行提取，那么就会丢失另外两个通道的信息。后面我问其他人，他们说第一个维度上的数值还有为 2 的，瞬间就给我整懵了。
后来经过查询以及对三个通道的图像对比，怀疑第一维度上面的信息可能表示 患者接受扫描的期相，1 表示平扫，只有一期；2 表示增强，有动脉期和静脉期；3 表示造影，有动脉期、静脉期和平衡期。
同时从扫描角度考虑，在这几个扫描期相中，患者的位置是相对固定的，也就是说我们可以随意选择其中一个期相都可以；但是反过来，我们可以将所有期相的数据都利用上。
如果只是想随意选择其中的一个期相，使用上面一个命令即可，如果想将所有的期相都用起来，那么需要增加一个循环。

for j in range(img.shape[0]):
	for i in range(img.shape[3]):
		img=Image.fromarray(data[j,:,:,i]) # 截取第j个通道的前i张图
//循环结束后，就可以将所有数据都提取出来并直接转换为图片数据

//最后贴一个相对比较完整的代码
import PIL
import nrrd
import os

data_path=./data/PA1.nrrd # nrrd 文件的保存路径
save_path=./data/save     # 图片数据的保存文件夹

# 检查路径
assert os.path.exists(data_path), data_path+' : path error !'
if not os.paht.exists(save_path):
	os.makedir(save_path)
	
data, options = nrrd.read(data_path)
for j in range(data.shape[0]):
	for i in range(data.shape[3]):
		img=Image.fromarray(data[j,:,:,i]) # 截取第j个通道的前i张图
		temp_path=save_path + '/' + str(j) + '_' + str(i) +'.png'
		img.convert('RGB').save(tmp_path) # 保存图像数据
//循环结束后，就可以将所有数据都提取出来并直接转换为图片数据

5、nrrd 转nii

import nrrd
import nibabel as nib
import numpy as np

# nrrd 文件保存路径
data_path=r'./data/1.nrrd'
save_path='./data/1.nii'

data,options=nrrd.read(data_path)  # 读取 nrrd 文件
img=nib.Nifti1Image(data,np.eye(4)) # 将 nrrd 文件转换为 .nii 文件
nib.save(img,save_path) # 保存 nii 文件

nibabel 库是用来读取 nii 数据的，它和 numpy 需要另外安装

pip install bibabel
pip install numpy

这是我在遇到这个问题后想到的可能的解决方法，如果大家有好的想法、解决方式，欢迎补充。

参考文章：
1、https://blog.csdn.net/Michelexie/article/details/81907613?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161681364616780271592594%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=161681364616780271592594&biz_id=0
2、https://blog.csdn.net/qwer7512090/article/details/100163481?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522161681364616780271592594%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=161681364616780271592594&biz_id=0