如何从MRI图像中删除一个模态Python-Nibab

Question

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

Answer 1

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

Answer 2

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：

print(a.header)

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：

All BraTS multimodal scans are available as NIfTI files (.nii.gz) and describe a) native (T1) and b) post-contrast T1-weighted (T1Gd), c) T2-weighted (T2), and d) T2 Fluid Attenuated Inversion Recovery (FLAIR) volumes, and were acquired with different clinical protocols and various scanners from multiple (n=19) institutions, mentioned as data contributors here.

以及

The provided data are distributed after their pre-processing, i.e. co-registered to the same anatomical template, interpolated to the same resolution (1 mm^3) and skull-stripped.

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