毕业设计-前期数据预处理

前言

这个步骤其实拖沓了很久了，一直没有真正解决，这个礼拜由于老师的要求，必须完成数据的收集以及处理步骤，因此这也使得毕设成为了每天的重头戏。

之前上周以及上上周已经在linux服务器上安装了fsl，但是由于部分配置问题，导致原来写好的脚本无法使用，但是单张配准倒是可以实现，今天的实现思路如下：

1. 按照之前的范例试着将其输出到特定文件夹内。
2. 使用matlab实现配准，配准的程序另外实现。

工作内容

按照之前的范例将其输出到特定文件夹内

主要问题是之前在运行程序的过程中，输出的文件没有存储到指定的路径中，而是直接命名为该路径，那么如何解决这个问题呢？我猜测是文件无法识别路径而是需要我们输入一个特定的文件，输出的文件就命名如此，那么我们需要：

1. 提取每次处理的文件的名称
2. 加上路径，因此名称不变，存储到另外一个文件夹（路径）

初始代码：

import nibabel as nib
import numpy as np
from glob import glob
import nipype
from nipype.interfaces import fsl
from subprocess import call
import sys
import os

def registration(in_file, out_file, reference):
    fsl.FSLCommand.set_default_output_type('NIFTI')
    flt = fsl.FLIRT(bins=640, cost_func='mutualinfo')
    flt.inputs.in_file = in_file
    flt.inputs.out_file = out_file
    flt.inputs.reference = reference
    result = flt.run()

if __name__ == "__main__":

 raw_folder = sys.argv[1]  # where the raw data is saved
 out_folder = sys.argv[2]  # where you want to save processed scans

for file in glob(raw_folder+'/*.nii'):
    reference = 'MNI152_T1_1mm.nii'
    out_folder = file
    registration(file, out_folder, reference)

bash registration.sh folder_of_raw_nifti/ test1.nii output_folder_for_processed_data/

再谈一谈其配准的性能，单张配准的时间在三分钟左右，那么就算只有五百张，也需要1500分钟，即25个小时。这样就会导致我有25个小时基本没法使用服务器。

目前最差的情况就是我手动配准，每三分钟配一张，那么计算4分钟一张，一天也只能配准150张左右。(而且手动配准实在太蠢了，还是在后台让服务器自己跑吧)

目前为了研究各种MRI成像之间的差异，我下载了一位ID为“S1203”的患者的四种MRI的图像，基本是靠观察看图像的成像质量：

1. MPRAGE
   

2. MPRAGE-REPEAT
   

3. Calibration-body
   

4. Calibration-head
   
   明显calibration系列的清晰度很低，基本没有结构细节，所以一概采用MPRAGE系列的成像。没有该系列成像的ID将被抛弃。

笔者手动挑选好（指逐个点击添加)后，目前已经处于下载的阶段了，下载好之后基本就是测试配准。只希望校园网别断。。。

又发现一个新问题，也就是名字太长居然显示无法配准？实在没法弄懂其逻辑，但是目前好像最好的办法是我挨个重命名后配准，大概需要花两天？如果没有猜错的话repeat是四维图像，而MPRAGE是三维版本，因此速度还是快不少的。现在我再配准个mprage试下就知道了，如果控制在单个一分钟内，300-400分钟也不是不能接受。

所以目前得到的步骤是：

（1）数据下载以及名称处理