医学影像处理实战：基于.nii.gz文件的3D卷积网络入门指南

1次阅读

没有评论

共计 2005 个字符，预计需要花费 6 分钟才能阅读完成。

医学影像处理中的.nii.gz 格式是神经影像学中常用的压缩格式，它结合了 NIfTI 格式和 gzip 压缩。这种格式在 CT 和 MRI 数据中广泛应用，但也带来了一些处理挑战：

文件体积通常较大（单个文件可达数百 MB）
数据具有三维空间结构（长、宽、切片数）
可能包含各向异性采样（不同方向的体素间距不同）
需要特殊工具才能读取和处理

处理.nii.gz 文件主要有以下工具可选：

SimpleITK
优点：功能强大，支持多种医学图像格式
缺点：API 设计较为复杂，学习曲线陡峭
NiBabel
优点：轻量级，Python 风格 API
缺点：功能相对简单，性能略低
PyDicom（适用于 DICOM 格式转换）
优点：专门处理 DICOM 格式
缺点：需要额外转换步骤

对于初学者，推荐从 NiBabel 开始，它的 API 更 Pythonic，容易上手。

import nibabel as nib
import numpy as np

# 读取.nii.gz 文件
def load_nii_file(file_path):
    img = nib.load(file_path)
    data = img.get_fdata()
    # 标准化到 0 - 1 范围
    data = (data - np.min(data)) / (np.max(data) - np.min(data))
    # 处理各向异性采样
    affine = img.affine
    voxel_dims = nib.affines.voxel_sizes(affine)
    return data, voxel_dims

import torch
import torch.nn as nn

class Simple3DCNN(nn.Module):
    def __init__(self, num_classes=2):
        super(Simple3DCNN, self).__init__()
        self.conv1 = nn.Conv3d(1, 32, kernel_size=3, padding=1)
        self.pool = nn.MaxPool3d(2, 2)
        self.conv2 = nn.Conv3d(32, 64, kernel_size=3, padding=1)
        self.fc1 = nn.Linear(64 * 64 * 64 * 64, 512)  # 根据实际输入尺寸调整
        self.fc2 = nn.Linear(512, num_classes)

    def forward(self, x):
        x = self.pool(torch.relu(self.conv1(x)))
        x = self.pool(torch.relu(self.conv2(x)))
        x = x.view(-1, 64 * 64 * 64 * 64)  # 展平
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

分块加载：只加载当前需要的部分数据

def load_chunk(file_path, z_start, z_end):
    img = nib.load(file_path)
    data = img.dataobj[..., z_start:z_end]
    return np.array(data)

使用内存映射：避免一次性加载全部数据

img = nib.load(file_path, mmap=True)

医学影像的维度顺序可能与深度学习框架预期不同。常见的转换方法：

# 将 (长, 宽, 切片) 转为(通道, 长, 宽, 切片)
data = np.expand_dims(data, axis=0)

不同扫描仪采集的数据可能有不同的体素间距，需要进行重采样：

from scipy.ndimage import zoom

def resample_volume(data, original_spacing, target_spacing):
    zoom_factors = [o/t for o,t in zip(original_spacing, target_spacing)]
    return zoom(data, zoom_factors, order=1)