便宜做网站,微信管理系统免费版,学校ftp服务器做网站,长沙房地产新政策根据脑图谱获取感兴趣区域的mask 1#xff0c;引入1.1 ASPECT-Atlas 2#xff0c;获取脑图谱感兴趣区域mask参考#xff1a; 1#xff0c;引入
脑影像分析中#xff0c;我们常常会针对性的对某些感兴趣区域进行分析#xff0c;而对它们进行分析的前提是获取该区域的mask… 根据脑图谱获取感兴趣区域的mask 1引入1.1 ASPECT-Atlas 2获取脑图谱感兴趣区域mask参考 1引入
脑影像分析中我们常常会针对性的对某些感兴趣区域进行分析而对它们进行分析的前提是获取该区域的mask。感兴趣区域可以用以某些坐标为球心的球形区域定义也可以用脑图谱上对应的某些脑区定义其中后者是较为常见的也是我们今天要讨论的。脑图谱是一类特殊脑影像它的每一个位置上不是信号值而是脑区编号标签这也就意味着我们可以通过感兴趣区域的脑区编号得到对应的感兴趣区域位置的集合它也就是感兴趣区域的mask。 本文参考自【MRI脑影像分析——根据脑图谱获取感兴趣区域mask以海马体与丘脑为例(matlabnilearnnibabelREST1.8】。https://blog.csdn.net/sinat_35907936/article/details/118481241
1.1 ASPECT-Atlas
脑图谱是一类特殊脑影像它的每一个位置上不是信号值而是脑区编号(标签)。任何一个图谱都会有其对应的脑区编号(标签)表。非常常见的是一些包含海马体丘脑等部位的脑图谱。 本文是做ASPECT评分任务的为了更方便讲述下面主要以ASPECT-Altas来进行讲述。 如下图所示为ASPECT的图谱。如果需要此图谱的可以私聊我。 这个图谱的对应标签值为
我们可以看到当点击图谱的M1左区域时itk-ansp可以显示其标签强度值为10. 与列表相同。
以下将使用ASPECT-Atlas提取岛叶尾状核等所有部位并保存成nii.gz格式数据。 这里主要使用python的方式使用nibabel函数库。
2获取脑图谱感兴趣区域mask
nibabel是python平台上用于解析神经影像的工具不仅可以解析nifti也可以解析gifti。这里用它来解析并封装nifti以生成mask。mask类型与保持上面一致。
pip install nibabel提取M1左对应标签10. 一般建议选ROI内保存成1区域外为0.
import numpy as np
import nibabel as nibarea_name m1_left
ROI_label 10img nib.load(./templete/AspectsAtlas_padding_2mm.nii.gz)
data img.get_fdata()
mask np.zeros(data.shape)# 创建mask
mask[dataROI_label] 1# 用原先的仿射矩阵与头包装mask成nifti
#区域内为1区域外为0一个编号new_img nib.Nifti1Image(mask,img.affine, headerimg.header)
new_img.to_filename(area_name _uni_mask.nii)# 区域内为原来编号区域外为0
data np.array(mask*data, dtypenp.uint8)
new_img nib.Nifti1Image(data, img.affine, headerimg.header)
new_img.to_filename(area_name _sep_mask.nii)我们可以看下效果M1左脑区被提取出来。
下面展示一次性读取excel表所有脑区并保存
import numpy as np
import nibabel as nib# 读取excel
import pandas as pd
# 指定 Excel 文件路径
excel_file_path ./templete/ASPECTAtlas_label_lookup.xlsx # 替换为你的Excel文件路径
# 读取 Excel 文件
df pd.read_excel(excel_file_path)
# 提取两列数据到列表
column1_data df[parts].tolist() # 替换 Column1 为第一列的实际列名
column2_data df[label].tolist() # 替换 Column2 为第二列的实际列名print(column1_data,column2_data)# 读取ASPECT-Atlas
img nib.load(./templete/AspectsAtlas_padding_2mm.nii.gz)
data img.get_fdata()for i, name in enumerate(column1_data):mask np.zeros(data.shape)ROI_label column2_data[i]area_name ./ASPECT_Region_3D/ name# 创建maskmask[data ROI_label] 1# 用原先的仿射矩阵与头包装mask成nifti# 区域内为1区域外为0一个编号new_img nib.Nifti1Image(mask,img.affine, headerimg.header)new_img.to_filename(area_name _uni_mask.nii.gz)参考
[MRI脑影像分析——根据脑图谱获取感兴趣区域mask以海马体与丘脑为例(matlabnilearnnibabelREST1.8] https://blog.csdn.net/sinat_35907936/article/details/118481241
