如何在Python中遍历3D NIFTI图像

Question

对于我正在做的一个项目，我想写一个脚本，可以计算nifti格式(.nii扩展)的核磁共振图像的总脑体积。我不知道怎么做的是循环遍历所有独立的体素，并提取其中的整数数据。有人知道怎么做吗？

这是我用来在Python中加载特定nifti图像的代码：

import nibabel as nib
import numpy as np
import os

path = '/Users/arnavlohe/Desktop/ADNI_002_S_0782_MR_MP-RAGE_REPEAT_br_raw_20060814234209235_1_S17836_I20520_be_be_mixeltype.nii'
img = nib.load(path)
print(img)

这是结果输出/图像数据：

<class 'nibabel.nifti1.Nifti1Image'>
data shape (166, 256, 256)
affine: 
[[  1.20000184   0.           0.         113.7559967 ]
 [  0.           0.9375       0.         158.26870728]
 [  0.           0.           0.9375     418.0289917 ]
 [  0.           0.           0.           1.        ]]
metadata:
<class 'nibabel.nifti1.Nifti1Header'> object, endian='<'
sizeof_hdr      : 348
data_type       : 
db_name         : 
extents         : 0
session_error   : 0
regular         : r
dim_info        : 0
dim             : [  3 166 256 256   1   1   1   1]
intent_p1       : 0.0
intent_p2       : 0.0
intent_p3       : 0.0
intent_code     : none
datatype        : int32
bitpix          : 32
slice_start     : 0
pixdim          : [1.        1.2000018 0.9375    0.9375    1.        0.        
0.
 0.       ]
... 

这是我能提供的所有信息，我很抱歉我的问题不是很具体。

Answer 1

您可以组合get_fdata()以NumPy数组的形式检索图像数据：

img = nib.load(path)
data = img.get_fdata()

和NumPy indexing来访问体素，例如：

data[1,1,1]

最后请注意，您可能会在Neurostars上提出这样的问题。

Answer 2

不要循环遍历每个体素，这会非常慢(需要几分钟才能运行)。相反，使用能处理整个数组的numpy操作。我建议使用一个阈值：

img = nib.load(path)
voxel_volume = np.prod(img.header['pixdim'][1:4])
data = img.get_fdata()
threshold = 0
mask = np.where(data > threshold, 1, 0)
volume = voxel_volume*np.sum(mask)
print(volume/1000, "cm³")

Answer 3

非常近似的计算：

img = nib.load(path)
voxel_volume = np.prod(img.header['pixdim'][1:4])
voxel_count = np.count_nonzero(img.get_fdata())
print(voxel_volume*voxel_count/1000, "cm³")