DTI及MRI数据预处理

一处理步骤
因为我多了一个去除小脑的步骤所以，首先有两个模板文件：
标准化空间模板是FSL自带的，在其安装路径中
标准小脑mask模板是需要软件wfu pickaltas,里面可以找到各种脑影像模板

ref="/home/wangcong/software/fsl/data/standard/MNI152_T1_1mm_brain.nii.gz" # 标准化空间模板
mask_ref="/home/wangcong/ADNI_data/model/cerebellar_mask.nii" #标准小脑mask模板

这里主要介绍DTI的处理。MRI的处理包含在其中了
1）dcm转Nii
dcm2nii -o $temp_dti $input_dti #dcm转Nii格式，输出到temp_dti

2）涡流矫正

                cd $temp_dti     raw_dti=`ls *.nii.gz` bval=`ls *.bval`bvec=`ls *.bvec`echo "涡流矫正"eddy_dti="eddy_dti"eddy_correct $raw_dti $eddy_dti 0  #涡流矫正

3）提取b0

echo "提取b0图像"
b0="b0"
fslroi $raw_dti $b0 0 1  #提取b0图像

4）提出大脑

echo "提取大脑mask"
brain_dti="brain_dti"
bet ${b0}.nii.gz $brain_dti -m -R  #提取大脑mask

5）拟合张量

                fit_dit="fit_dti"mask_dti=${brain_dti}_maskdtifit -k ${eddy_dti}.nii.gz -m ${mask_dti}.nii.gz -r $bvec -b $bval -o $fit_dit #拟合张量md_dti=${fit_dit}_MD.nii.gz #DTI数据的MD文件

6）空间标准化

                echo "空间标准化"norm_dti="norm_dti"flirt -in $md_dti -ref $ref -out $norm_dti  #标准化

7）配准到对应MRI

                echo "配准到相应MRI"reg_to_mri='reg_to_mri'flirt -in ${norm_dti}.nii.gz -ref $temp_mri/${norm_mri}.nii.gz -out $reg_to_mri

8）移除小脑

                echo "移除小脑"cere_dti="nocere_dti"fslmaths ${reg_to_mri}.nii.gz -mul $mask_ref $cere_dti  #移除小脑

9）提取ROI
去除旁边的黑色像素
x轴：20-140
y轴：10-180
z轴：5-150

                echo "提取ROI"roi_dti="roi_dti"fslroi ${cere_dti}.nii.gz $roi_dti 20 140 10 180 5 150echo "DTI复制转移"

所有代码包括了MRI和DTI的处理

#!/bin/bashref="*****/fsl/data/standard/MNI152_T1_1mm_brain.nii.gz" # 标准化空间模板
mask_ref="*****/model/cerebellar_mask.nii" #标准小脑mask模板precessing(){input_dti=$1/dti temp_dti=$2/dtioutput_dti=$3/dtiinput_mri=$1/mritemp_mri=$2/mrioutput_mri=$3/mrimkdir -p $temp_dtimkdir -p $output_dtimkdir -p $temp_mrimkdir -p $output_mriecho "*****************开始处理MRI数据*************************"echo "dcm转Nii格式"dcm2nii -o $temp_mri $input_mri      #dcm转Nii格式，输出到temp_dticd $temp_mri   raw_mri=`ls co*.nii.gz` echo "提取大脑"brain_mri="brain_mri"bet $raw_mri $brain_mri -R   #提取大脑echo "空间标准化"norm_mri="norm_mri"flirt -in ${brain_mri}.nii.gz -ref $ref -out $norm_mri  #空间标准化echo "移除小脑"cere_mri="nocere_mri"fslmaths ${norm_mri}.nii.gz -mul $mask_ref $cere_mri  #移除小脑echo "提取ROI"roi_mri="roi_mri"fslroi ${cere_mri}.nii.gz $roi_mri 20 140 10 180 5 150echo "MRI复制转移"out_mri=${subject}_${time}_mricp ${roi_mri}.nii.gz $output_mri/${out_mri}.nii.gzecho "*****************开始处理DTI数据*************************"echo "dcm转Nii格式"dcm2nii -o $temp_dti $input_dti      #dcm转Nii格式，输出到temp_dticd $temp_dti       raw_dti=`ls *.nii.gz` bval=`ls *.bval`bvec=`ls *.bvec`echo "涡流矫正"eddy_dti="eddy_dti"eddy_correct $raw_dti $eddy_dti 0  #涡流矫正echo "提取b0图像"b0="b0"fslroi $raw_dti $b0 0 1  #提取b0图像echo "提取大脑mask"brain_dti="brain_dti" bet ${b0}.nii.gz $brain_dti -m -R  #提取大脑maskecho "拟合张量"fit_dit="fit_dti"mask_dti=${brain_dti}_maskdtifit -k ${eddy_dti}.nii.gz -m ${mask_dti}.nii.gz -r $bvec -b $bval -o $fit_dit #拟合张量md_dti=${fit_dit}_MD.nii.gz #DTI数据的MD文件echo "空间标准化"norm_dti="norm_dti"flirt -in $md_dti -ref $ref -out $norm_dti  #标准化echo "配准到相应MRI"reg_to_mri='reg_to_mri'flirt -in ${norm_dti}.nii.gz -ref $temp_mri/${norm_mri}.nii.gz -out $reg_to_mriecho "移除小脑"cere_dti="nocere_dti"fslmaths ${reg_to_mri}.nii.gz -mul $mask_ref $cere_dti  #移除小脑echo "提取ROI"roi_dti="roi_dti"fslroi ${cere_dti}.nii.gz $roi_dti 20 140 10 180 5 150echo "DTI复制转移"out_dti=${subject}_${time}_dticp ${roi_dti}.nii.gz $output_dti/${out_dti}.nii.gz  #复制到结果文件}
single_input="*****/raw_data/016_S_4638/2012-02"  #原始文件夹
single_temp="*****/temp/016_S_4638/2012-02" #临时文件夹
single_output="*****/precessed/016_S_4638/2012-02" #结果文件夹
precessing $single_input $single_temp $single_output

二 python查看各步骤的结果

import numpy as np
import nibabel as nib
import matplotlib.pyplot as pltdef load_nii(data_path):img = nib.load(data_path).get_data()  return img[:,:,60]img_path=["co20120203_132150SawyerADNI220110825Ls002a1001.nii.gz","brain_mri.nii.gz","norm_mri.nii.gz","nocere_mri.nii.gz","roi_mri.nii.gz",]
plt.figure(figsize=(15, 3))for i,path in enumerate(img_path):plt.subplot(1,5,i+1)img_z_60=load_nii(path)plt.imshow(img_z_60.T,cmap='gray')plt.xticks([])plt.yticks([])

打个码嘻嘻

DTI及MRI数据预处理相关推荐

MRI数据预处理--使用FSL-BET轻松去头骨，提取脑组织
许多脑成像分析工作流程中的第一个处理步骤是从颅骨内部提取脑组织.该过程叫 Brain extraction(大脑提取) or skullstripping(颅骨剥离) 机器扫描的图像不仅包含大脑,还包 ...
基于FSL的DTI数据预处理流程
最近在学习处理DTI数据,总结了一份应用FSL做DTI数据预处理的流程与大家交流交流.如果有错误的地方欢迎大家指正! 我用的数据是Philips的数据,如果是GE或者西门子的数据可能会有所不同. 原始 ...
NeoRS：新生儿静息态fMRI数据预处理流程
大家好,这里是 "茗创科技" .茗创科技专注于脑科学数据处理,涵盖(EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS)等,欢迎留言讨论及转发推荐,也欢迎了解茗创科 ...
【ADNI】数据预处理（1）SPM，CAT12；数据集
ADNI Series 1.[ADNI]数据预处理(1)SPM,CAT12 2.[ADNI]数据预处理(2)获取 subject slices 3.[ADNI]数据预处理(3)CNNs 4.[ADNI ...
机器学习之金融信贷风控（二）申请评分卡中的数据预处理和特征衍生（未完待续）
申请评分卡中的数据预处理和特征衍生模型处理的一般流程: 构建信用风险模型的特征获取数据链接:https://pan.baidu.com/s/1CsY11ArZ6YK3o1icghWj2w 提取码 ...
Principles of fMRI 1课程笔记8--fMRI的数据预处理
刚采集的原始图像数据会经过一系列的预处理步骤.这些步骤主要是分辨并去除伪影(Artifact),或者是检验一些模型所需的假设是否成立.具体来说,有三个目的: 尽量减少因为数据采集(Data acqui ...
毕业设计一深度学习之MRI数据集预处理（合并，裁剪以及重命名等操作）
目录一,MRI简介二,MRI数据集获取三,MRI数据集预处理四,实现用Keras来构建基于MRI的网络结构一,MRI简介核磁共振成像(英语:Nuclear Magnetic Resonan ...
机器学习PAL数据预处理
机器学习PAL数据预处理本文介绍如何对原始数据进行数据预处理,得到模型训练集和模型预测集. 前提条件完成数据准备,详情请参见准备数据. 操作步骤登录PAI控制台. 在左侧导航栏,选择模型开发和训 ...
深度学习——数据预处理篇
深度学习--数据预处理篇文章目录深度学习--数据预处理篇一.前言二.常用的数据预处理方法零均值化(中心化) 数据归一化(normalization) 主成分分析(PCA.Principal ...

DTI及MRI数据预处理

DTI及MRI数据预处理相关推荐

最新文章

热门文章