一、實驗背景

實驗使用的DCE序列（動態增強序列）數據層厚不一致，為了最后實驗結果的準確性，需要把使用MRI數據的層厚統一成一樣的；有兩種層厚的數據分別是1.2mm和2.4mm，需要把2.4mm的影像數據插值成1.2mm。

二、實驗環境

1.Windows 64操作系統 CPU i5-8500 @3.00GHz 內存16.0GB
2.Linux 64位操作系統 CPU Intel(R) Xeon(R) CPU E5-2640 v4 @ 2.40GHz 內存62.64GB
3.Windows10操作系統上安裝matlab 2018a及其以上版本
4.nii格式的MRI影像數據

三、實驗過程（一）—— 插值

3.1 MRI nii格式的數據（896x896x72 )

image.png

3.2 插值之后的nii格式數據(896x923x162)
插值后的數據明顯比插值前數據大

image.png

%插值reslice，就用reslice_nii這個函數就可以了
%比如要采樣到1mm就用reslice_nii('orginal.nii','new.nii',[1 1 1]);
clc
root = ['G:\ResearchData\DCE90_NiiDATA','\'];
save_root = ['G:\ResearchData\DCE_ResliceNiiDATA','\'];
patients=dir(root);%獲取病例目錄
for i=3%:length(patients) %i=3只取第一個文件
    disp(strcat('Processing--->',patients(i).name,'-->',num2str(i-2),'/',num2str(length(patients)-2)));
    temp_nii= [root,patients(i).name,'\MR2Nii\'];%MRI nii格式文件夾
    MRIs=dir(temp_nii);%有幾次MRI
    for k=3
        Nii_path = [root,patients(i).name,'\MR2Nii\',MRIs(k).name,'\'];
        save_Re_dir = [save_root,patients(i).name,'\',MRIs(k).name,'\'];
        if ~exist(save_Re_dir,'dir')%判斷文件夾是否存在，如果不存在則創建文件夾
            mkdir(save_Re_dir)
        end
        Niis = dir(Nii_path);%對應某次MRI下有幾個nii文件
        for j=3:length(Niis)
            orginal_nii = [Nii_path,Niis(j).name];
            new_nii = [save_Re_dir,'r',Niis(j).name];%reslice后的文件名價加個r
            %插值原理Trilinear interpolation三線性插值  x y z 分辨率 單位mm
            reslice_nii(orginal_nii,new_nii,[0.3795 0.3795 1.2])
            disp(['save-->',new_nii,'-->successfully'])
        end
    end
end

代碼輸出結果：

image.png

插值之后的MRI序列的維度為(896x923x162)，和原始影像數據的二維圖像（896x896）不一樣，所以需要把影像數據二維圖像裁剪成（896x896），這一步需要在服務器上用fslroi函數進行校準（裁剪）
MATLAB代碼中用到了reslice_nii函數，其插值原理是Trilinear interpolation三線性插值， 常用線性插值的介紹和應用(雙線性插值，三線性插值，平滑曲線插值)

四、實驗過程（二）—— 裁剪

4.1 利用fslroi對插值后的影像數據進行裁剪

shell命令：fslroi rDCE00000.nii test 0 896 0 896 0 144

image.png

可以把shell命令寫成批處理命令
批量的對影像數據進行裁剪

image.png

針對單個病例可以執行--在xshell 下執行下面的命令

path_nii = "/DATA/102/nick/DCE_ResliceNiiDATA/00226023/"
for file in `ls ${path_nii} `
  do
    echo "NIi_file:$file"
    fslroi $file "co$file" 0 896 0 896 0 144
  done

命令行窗口輸出結果

image.png

遞歸調用遍歷文件夾中的所有病例--在xshell 下執行下面的命令

function travFolder(){ 
    echo "travFolder"
    flist=`ls $1`
    cd $1
    #echo $flist
    for f in $flist
    do
        if test -f $f
        then
            echo "file:$f"
            fslroi $f "co$f" 0 896 0 896 0 144
        else
            echo "dir:$f"
            travFolder $f
        fi
    done
   cd ../
}
dir="/DATA/102/nick/DCE_ResliceNiiDATA"
travFolder $dir

命令行窗口輸出結果

image.png

4.2 查看裁剪后的結果

方法一：利用ITK_SNAP軟件查看圖像
方法二：自己寫python腳本查看圖像

python代碼

import os
import SimpleITK as sitk
import numpy as np
import matplotlib.pyplot as plt
import pydicom as dicom

folderPath = r"G:\ResearchData\DCE_ResliceNiiDATA\00226023\20120608\corDCE00003.nii.gz"
print("reslice后的nii文件的大小：",float(os.path.getsize(folderPath)/1000000),"MB")
itk_img = sitk.ReadImage(folderPath)#讀取nii圖像
img = sitk.GetArrayFromImage(itk_img)#獲取圖像array
print("img.shape:",img.shape)#查看圖像形狀 (112, 896, 896)
#獲取圖像頭信息
keys = itk_img.GetMetaDataKeys()
for key in keys:#輸出dicom頭文件信息
    print (key,':', itk_img.GetMetaData(key))
  
img_3Dndarray = sitk.GetArrayFromImage(itk_img)#得到圖像矩陣
print(type(img_3Dndarray),"shape:",img_3Dndarray[48,:,:].shape,img_3Dndarray[48,:,:].dtype)
plt.imshow(img_3Dndarray[48,:,:],cmap="gray")
plt.axis('off')
plt.show()

裁剪后的圖像為倒置的

image.png

對圖像進行180°的旋轉操作

arr = img_3Dndarray[48,:,:]
arr2 =arr.copy()
print(arr.size,arr.size/2)
arr2= arr.reshape(int(arr.size/2),2)
arr2 =np.array(arr2[::-1])#進行行逆置
arr2 = arr2.reshape(arr.shape[0],arr.shape[1])#對圖像進行一次變換，變成 源圖像的維度
plt.subplot(121)
plt.imshow(arr,cmap="gray")
plt.subplot(122)
plt.imshow(arr2,cmap="gray")

image.png

五、實驗過程（三）—— 對插值裁剪后的結果重新保存成dicom文件

具體過程請參考之前的文章：python醫學影像3Dnii文件轉成2Ddicom文件(保留原始dicom信息)

Matlab NIfTI工具包：百度網盤-提取碼：nosr
參考文章1: 常用線性插值的介紹和應用(雙線性插值，三線性插值，平滑曲線插值)
參考文章2：雙線性插值(Bilinear Interpol)原理及應用
參考文章3：FSL工具介紹及安裝——FSL-Introduction

特別說明：本文為原創文章,參考或轉發本文需注明本文鏈接，有問題請聯系:nick.yu.jd@qq.com