Как удалить модальность с изображения МРТ - Python Nibabel - PullRequest
Новая
       46

Как удалить модальность с изображения МРТ - Python Nibabel

0 голосов
/ 21 июня 2019

Я пытаюсь использовать данные МРТ головного мозга для модели глубокого обучения. В настоящее время мое изображение имеет 4 размера, как показано ниже, но я хотел бы сохранить только модальность T1c изображения МРТ, потому что моя модель должна представлять собой только одноканальные 3D МРТ (T1c).

Я попытался использовать пакет Nibabel, как показано ниже 

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

Возвращает вывод ниже

enter image description here

Я также вставляю информацию заголовка 'a'

enter image description here

Исходя из этого, какой из измерений используется для идентификации модальности МРТ, например (T1, T2, T1c, FLAIR и т. Д.)? и как я могу сохранить только T1c ?. Можете ли вы помочь?

1 Ответ

1 голос
/ 21 июня 2019

Сначала необходимо определить порядок хранения изображений в 4-х измерениях.

Вероятно, поможет заголовок: 

print(a.header)

Далее, чтобы сохранить только 1 модальность, вы можете использовать это: 

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

РЕДАКТИРОВАТЬ 1:

На основании веб-сайта задачи:

Все мультимодальные сканы BraTS доступны в виде файлов NIfTI (.nii.gz) и опишите а) нативный (T1) и б) постконтрастный T1-взвешенный (T1Gd), в) T2-взвешенный (T2) и d) восстановление инверсии с ослабленной жидкостью T2 (FLAIR), и были получены с различными клиническими протоколами и различные сканеры из нескольких (n = 19) учреждений, упомянутых как Авторы данных здесь.

и

Предоставленные данные распределяются после предварительной обработки, т.е. совместно зарегистрированы в том же анатомическом шаблоне, интерполированы в того же разрешения (1 мм ^ 3) и с черепом.

Таким образом, заголовок в этом случае не поможет (одинаковые размеры для всех модальностей из-за предварительной обработки).

Если вы ищете постконтрастные T1-взвешенные (T1Gd) изображения, тогда это 2-е измерение, поэтому используйте: 

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

Кроме того, мы можем визуализировать каждый трехмерный том (data[:,:,:,0], data[:,:,:,1],data[:,:,:,2], data[:,:,:,3]) и проверить мое утверждение.

Смотрите здесь: https://gofile.io/?c=fhoZTu

...