nii.gz方向

ct图像有三个维度

右->左(R->L),img[i, :, :],矢状面

后->正(P->A),img[:, i, :],冠状面

脚->头(I->S),img[:, :, i],水平面

img = sitk.ReadImage(img_file)
img_reoriented = sitk.DICOMOrient(img, 'LAS')#转为RPI,这里要写LAS
sitk.WriteImage(img_reoriented, img_file)

参考nii文件中的方向理解_simpleitk nii 方向问题-CSDN博客 

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这是一组 ANTs 工具箱中的命令,用于将一个被称为“subject”的大脑图像与一个被称为“template”的标准大脑图像对齐。具体来说,`antsRegistrationSyN.sh` 命令用于计算变换矩阵,而 `antsApplyTransforms` 命令则用于将变换应用于另一个图像。下面是这两个命令的详细说明: - `antsRegistrationSyN.sh -m brain_subjects.nii.gz -f brain.nii.gz -n 90 -t sr` 该命令的作用是将名为 `brain_subjects.nii.gz` 的大脑图像与名为 `brain.nii.gz` 的标准大脑图像对齐。具体来说,它使用了 ANTs 工具箱中的 SyN 算法来计算变换矩阵,其中 `-n 90` 表示使用 90 个网格来进行非线性配准,而 `-t sr` 则表示使用一个多分辨率策略来加速计算。该命令的输出包括一个名为 `output0GenericAffine.mat` 的仿射变换矩阵和一个名为 `output1Warp.nii.gz` 的非线性变换场。这两个文件将用于后面的变换应用。 - `antsApplyTransforms -i BN.nii.gz -r brain_subjects.nii.gz -t output0GenericAffine.mat output1Warp.nii.gz -o BN_subjects.nii.gz -n NearestNeighbor` 该命令的作用是将名为 `BN.nii.gz` 的图像应用于前面计算得到的变换矩阵,以将其对齐到标准大脑图像。具体来说,它使用了 ANTs 工具箱中的 `antsApplyTransforms` 命令,并指定了输入图像 (`-i`)、参考图像 (`-r`)、变换矩阵 (`-t`)、输出图像 (`-o`) 和插值方法 (`-n`)。其中,插值方法使用了最近邻插值 (`NearestNeighbor`),以避免图像变形时引入伪影。最终输出的图像名为 `BN_subjects.nii.gz`。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值