本文主要是介绍从rookie到基佬~014:Python代码 DICOM(.dcm)数据转化为NIFTI(.nii)数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
一天一个变弯小技巧
今日份洗脑: DICOM(.dcm)数据转化为NIFTI(.nii)数据
结论:SimpleITK:他好,我也好,汇源肾宝
医学图像的存储格式
1、NIFTI(.nii)是Neuroimaging−Informatics−Technology−Initiative即神经影像信息技术,NIFTI格式被认为ANALYZE7.5格式的替代品。NIFTI最初是用于神经成像的,但它也适用于一些其他的领域。NIFTI中一个主要的特点在于它包含了两个仿射坐标定义,这两个仿射坐标定义能够将每个体素指标(i,j,k)和空间位置(x,y,z)联系起来
2、DICOM和NIFTI之间最主要的区别在于NIFTI中的原始图像数据是以3D图像的格式储存的,而DICOM是以3D图像片段的格式储存的。这就是为什么在一些机器学习应用程序中NIFTI比DICOM更受欢迎,因为它是3D图像模型。处理一个单个的NIFTI文件,与处理上百个DICOM文件相比要轻松得多。NIFTI的每一张3D图像中只需储存两个文件,而在DICOM中则要储存更多文件。
深度学习时将DICOM(.dcm)数据转化为NIFTI(.nii)数据的动机
NIFTI的文件是三维的图像,而DICOM的文件为二维的多张图像,所以相对于DICOM文件,NIFTI文件更加易用于机器学习,训练的张数减少。
Python将DICOM(.dcm)数据转化为NIFTI(.nii)数据的代码
import numpy as np
import nibabel as nib
import os
import pandas as pd
import SimpleITK as sitk
import matplotlib.pyplot as pltdef dcm2nii_sitk(path_read, path_save):reader = sitk.ImageSeriesReader()seriesIDs = reader.GetGDCMSeriesIDs(path_read)N = len(seriesIDs)lens = np.zeros([N])for i in range(N):dicom_names = reader.GetGDCMSeriesFileNames(path_read, seriesIDs[i])lens[i] = len(dicom_names)N_MAX = np.argmax(lens)dicom_names = reader.GetGDCMSeriesFileNames(path_read, seriesIDs[N_MAX])reader.SetFileNames(dicom_names)image = reader.Execute()if not os.path.exists(path_save):os.mkdir(path_save)sitk.WriteImage(image, path_save+'/data.nii.gz')DICOMpath = r"F:\Dicomdataset" //dicom文件夹路径
Midpath = r"F:\middataset" //处理中间数据路径
Resultpath = r"F:\result" //保存路径
cases = os.listdir(DICOMpath) //获取dicom文件夹路径子文件夹名
for c in cases: //遍历dicom文件夹路径子文件path_mid = join(DICOMpath , c) //获取dicom文件夹下每一套数据的路径dcm2nii_sitk(path_mid , Midpath ) //将dicom转换为nii,并保存在Midpath中shutil.copy(join(Midpath , "data.nii.gz"), join(Resultpath , c + ".nii.gz"))//重新对保存后的nii文件名进行命名,并复制到Resultpath下
如有错误,欢迎各位大侠莅临指正,顺颂 时祺。
这篇关于从rookie到基佬~014:Python代码 DICOM(.dcm)数据转化为NIFTI(.nii)数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!