MRI脑影像分析——多种工具实现Nifti(*.nii)文件读取、处理与写入——把小舞写进脑海里、6mm半高全宽高斯核平滑脑影像、NIFTI文件合并、算fMRI平均图像

| 图源

  Nifti（Neuroimaging Informatics Technology Initiative，神经影像信息学技术倡议）文件格式，是目前各大神经影像分析工具普遍兼容的体素水平的数据格式，也是在进行神经影像研究中最常见的一种数据格式。简单点看它，它就是一个三维数组（sMRI）或者四维数组（fMRI、dMRI），再套上一个头部数据。数组里包含的就是图像体素值数据本身，头部数据里包含空间和体素信息，具体的文件结构不必理会，只要能用工具解析它即可。Matlab从2017b后就引入了专门的Nifti文件的解析函数¹，SPM12（Statistical Parametric Mapping，统计参数映射），dpabi等工具包也提供了Nifti文件的解析接口，NIfTI_20140122是专门的Nifti文件的解析处理工具包，现在好像没有更新了，不过也比较好用。python上面的nibabel可以解析Nifti等脑影像文件，nilearn更是一个集解析，处理，与分析于一体的工具。以下就针对这些工具，简要探讨他们对Nifti文件的解析，以及简单处理。

copyright©意疏：https://blog.csdn.net/sinat_35907936/article/details/118862614

---

SPM12读取Nifti文件——查看轴状面、冠状面与矢状面切片

---

  SPM12提供spm_vol(N)来获取Nii文件的头部信息，返回一个带有图像信息的结构体。N可以是单个Nii文件的路径，也可以是包含多个Nii文件路径的数组。

V = spm_vol('brain.nii');

  返回的结构体包含一个完整的Nifti-1的对象，和被SPM12简化了的Nifti-1属性，如图1所示，因为T1是三维影像，所以返回的1X1的结构体，如果是fMRI则会返回nX1的结构体。属性中比较重要的是，路径属性fname和维度属性dim。

图1 Nifti结构体  

  SPM12用spm_read_vols()来解析头部信息结构体，并返回一个三维或者四维数组Y，就是图像数据体素值本身，另外还有一个3xn的数组是每个体素的坐标。

[Y,XYZmm] = spm_read_vols(V);
size(Y);

  轴状位、冠状位与矢状位是医学上人体的三个方位。左右为冠（X），前后为矢（Y），上下为轴（Z）。沿矢状位，切分左右的面为矢状面（sagital，固定X）；沿冠状位，切分前后的面为冠状面（coronal，固定Y）；切分上下的为轴状面（横断面，axial，固定Z），如图2所示，图源。

图2 轴状面、冠状面与矢状面  

  有了上面的分析，我们只需要在三维数据中，固定对应的轴，就可以取出对应的二维切面来。代码如下，其间为了最终显示还涉及如维度压缩squeeze，维度交换permute，尺度变换mapminmax等操作。

  代码：

nifti_file = spm_vol('MNI152_T1_1mm.nii');
data = spm_read_vols(nifti_file);

% 水平面
Z_66 = squeeze(data(:,:,66));
Z_66 = permute(Z_66,[2,1,3]);

figure(1);
imagesc(mapminmax(Z_66, 0, 255));
set(gca, 'YDir', 'normal');
colormap(gray);
axis off;

% 冠状面
Y_111 = squeeze(data(:,111,:));
Y_111 = permute(Y_111,[2,1]);

figure(2);
imagesc(mapminmax(Y_111, 0, 255));
set(gca, 'YDir', 'normal');
colormap(gray);
axis off;

% 矢状面
X_99 = squeeze(data(99,:,:));
X_99 = permute