Python 如何读取CT/MRI数据的大小，值范围，层厚，分辨率等信息

一文看懂如何用 Python 查看三维数据(nii.gz格式)的各种图像参数

编程环境： jupyter notebook

导入所有安装包

import numpy as np
import nibabel as nib
from ipywidgets import interact, interactive, IntSlider, ToggleButtons
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
sns.set_style('darkgrid')

1. 读取图像

使用 nibabel 库

image_path = "./image/92_v.nii.gz"
image_obj = nib.load(image_path)
print(f'Type of the image {type(image_obj)}')

此时，得到的是 ‘nibabel.nifti1.Nifti1Image’

2. 提取 numpy 数组

使用 get_fdata()方法从 image_obj中提取 data

image_data = image_obj.get_fdata()
type(image_data)

$: numpy.ndarray

3. 查看图像大小

height, width, depth = image_data.shape
print(f"The image object height: {height}, width:{width}, depth:{depth}")

$: The image object height: 512, width:512, depth:161

4. 查看图像值范围

print(f'image value range: [{image_data.min()}, {image_data.max()}]')

$: image value range: [-1024.0, 3071.0]

5. 查看图像成像信息

上述中，我们获取了图像矩阵的信息。接下来查看图像成像信息，如 层厚，平面（in-plane）分辨率等

矩阵以外的信息可以通过 image_obj.header 获取

header是键值对，查看 header 包含的所有信息

print(image_obj.header.keys())

其中，最感兴趣的是图像的分辨率 在 pixdim 里面

pixdim =  image_obj.header['pixdim']
print(f'z轴分辨率： {pixdim[3]}')
print(f'in plane 分辨率： {pixdim[1]} * {pixdim[2]}')

z轴分辨率： 1.0
in plane 分辨率： 0.568 * 0.568
单位是： mm

我们知道层厚信息，以及矩阵大小，就可以求出实际的扫描范围。

z_range = pixdim[3] * depth
x_range = pixdim[1] * height
y_range = pixdim[2] * width
print(x_range, y_range, z_range)

$： 291.0 291.0 161.0

比如我们要知道z轴方向实际扫了多少mm, 用z轴方向的分辨率 * 矩阵大小。 示例中为 161mm。

6. 可视化图像

大家都知道，python是没法直接显示三维图像的，如果非常想要看一下图像什么样，可以一层一层的显示。

6.1 随机单独显示某一层

maxval = 177
i = np.random.randint(0, maxval)
# Define a channel to look at
print(f"Plotting z Layer {i} of Image")
plt.imshow(image_data[:, :, i], cmap='gray')
plt.axis('off');

6.2 交互显示

所谓交互显示，实际也是显示某一层，只不过可以通过鼠标拉动，依次显示每一层图像。

def explore_3dimage(layer):
    plt.figure(figsize=(10, 5))
    plt.imshow(image_data[:, :, layer], cmap='gray');
    plt.title('Explore Layers of adrenal', fontsize=20)
    plt.axis('off')
    return layer

定义一个函数，通过 layer 传参，显示某个层面

interact(explore_3dimage, layer=(0, image_data.shape[-1]));

通过交互，传参

---

接下来探索标签

7. 获取 label 信息

想读取图像一样读取数据数据

label_path = "../data/adrenal_demo/mask/92_mask.nii.gz"
label_obj = nib.load(label_path)
label_array = label_obj.get_fdata()

7.1 查看 label 里面有几种值
使用 np.unique()

print(f'With the unique values: {np.unique(label_array)}')

$: With the unique values: [0. 1. 2.]

更进一步，查看每个标签对应多少像素

np.unique(label_array, return_counts=True)

$: (array([0., 1., 2.]), array([42179843, 14269, 11072]))

返回独一无二的标签，以及对应的像素数量

怎么样，你学会了，赶紧动手试一试吧。

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连