如何从MRI图像中删除模态-Python Nibabel

Question

我正在尝试将MRI脑成像数据用于深度学习模型。目前，我的图像具有4个维度，如下所示，但是我想仅保留MRI图像的T1c形式，因为我的模型输入应仅为1通道3D MRI（T1c）。

我确实尝试使用Nibabel软件包，如下所示

import nibabel as nib 
ff = glob.glob('imagesTr\*')
a = nib.load(ff[0])
a.shape

这将返回以下输出

我还要粘贴“ a”的标题信息

由此，使用哪个维度来标识MRI模式（如T1，T2，T1c，FLAIR等）？和如何只保留T1c？你能帮忙吗？

Answer 1

首先，您需要确定图像存储在第4维中的顺序。

标题可能会有所帮助：

print(a.header)

接下来，仅保留1种方式，您可以使用此方式：

data = a.get_fdata()
modality_1 = data[:,:,:,0]

编辑1：

基于挑战的网站：

  

所有BraTS多模式扫描均可作为NIfTI文件（.nii.gz）和   描述a）原始（T1）和b）对比后T1加权（T1Gd），c）   T2加权（T2）和d）T2流体衰减反演恢复   （FLAIR）卷，并通过不同的临床方案获得   以及来自多个（n = 19）机构的各种扫描仪，称为   数据贡献者在这里。

和

  

所提供的数据在经过预处理（即   共同注册到相同的解剖模板，并内插到   相同的分辨率（1 mm ^ 3）并被头骨剥开。

因此，标头在这种情况下将无济于事（由于预处理，所有模态的尺寸相等）。

如果要查找对比度后的T1加权（T1Gd）图像，则为第二维图像，请使用：

data = a.get_fdata()
modality_1 = data[:,:,:,1]

此外，我们可以可视化每个3D卷(data[:,:,:,0], data[:,:,:,1],data[:,:,:,2], data[:,:,:,3])并验证我的陈述。

参见此处：https://gofile.io/?c=fhoZTu

Answer 2

无法从Nifti标头中识别MRI的类型。您将需要原始DICOM图像来派生此类信息。

但是，您可以目视检查图像，并比较白质，灰质和心室的对比度/颜色，以确定图像是否为T1，T2，FLAIR等。例如，在T1图像中，会期望较深的灰质，较轻的白质和黑色CSF。在T2图像中，您会期望使用较浅的灰质，较暗的白质和白色CSF。 FLAIR与T2相同，但具有“倒置” CSF。 在此处查看一些示例脑图像：https://casemed.case.edu/clerkships/neurology/Web%20Neurorad/t1t2flairbrain.jpg

话虽如此，您似乎有一个4维图像，它暗示了某种时间序列，因此我假设您的数据是DTI或fMRI或类似的数据。

也不可能将一种类型的MRI转换为另一种类型的MRI，因此，如果您的数据集还不是T1，则无法在需要干净的T1数据的模型中使用它。

我强烈建议您进一步了解MRI和正在使用的数据类型。否则，将无法解释您的结果。