我正在尝试使用核磁共振脑成像数据作为深度学习模型。目前,我的图像有4个维度,如下所示,但我只想保留MRI图像的T1c模式,因为我的模型输入应仅为1通道3D MRIs(T1c)。
我确实尝试过使用Nibabel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
我还粘贴了“a”的标题信息
由此,哪一个维度用于识别MRI成像模式(T1、T2、T1c、FLAIR等)?我怎么能只保留T1c呢?。你能帮忙吗?在
Tags:
从Nifti头部无法确定MRI的类型。你需要原始的DICOM图像来获取这类信息。在
然而,你可以通过视觉检查图像,比较白质、灰质和脑室的对比度/颜色,以确定你的图像是否为T1、T2、FLAIR等。例如,在T1图像中,你会预期到较暗的灰质、较浅的白质和黑色的脑脊液。在T2图像中,你会看到较浅的灰质、较深的白质和白脑脊液。天赋与T2相同,但脑脊液“倒置”。 请看这里的一些大脑图像示例:https://casemed.case.edu/clerkships/neurology/Web%20Neurorad/t1t2flairbrain.jpg
这就是说,你似乎有一个四维图像,它暗示着某种时间序列,所以我假设你的数据是DTI或fMRI之类的。在
也不可能将一种类型的MRI转换成另一种类型,所以如果您的数据集还不是T1,那么就没有办法在需要干净的T1数据的模型中使用它。在
我强烈建议你多了解核磁共振成像和数据类型。否则就无法解释你的结果。在
首先,您需要确定图像在第四维度中的存储顺序。在
标题可能会有帮助:
接下来,要只保留一个模态,您可以使用以下方法:
^{pr2}$编辑1:
根据挑战网站:
以及
因此,在这种情况下,报头没有帮助(由于预处理,所有模式的维数都相等)。
如果您正在寻找对比后T1加权(T1Gd)图像,则它是第二维度,因此请使用:
^{3}$此外,我们可以可视化每个3D卷
(data[:,:,:,0], data[:,:,:,1],data[:,:,:,2], data[:,:,:,3])
并验证我的语句。在请看这里:https://gofile.io/?c=fhoZTu
相关问题 更多 >
编程相关推荐