FSL、MRICRON预处理DICOM数据，python读取nii,并降采样

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)