- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
教程 | 使用深度学习进行医疗影像分析：文件格式篇
NIFTI 格式基本知识 Nifti 格式最初是为神经影像学发明的。神经影像信息学技术计划（NIFTI）将 NIfTI 格式预设为 ANALYZE7.5 格式的替代品。 nibabel 是一个能够读取 nifti 文件的 Python 库，oro.nifti 是一个能够读取 nifti 文件的 R 语言库。 DICOM 和 NIFTI 的区别 DICOM 和 NIfTI 这两种格式的主要区别是：NIfTI 中的图像原始数据被存储成了 3 维图像，而 dicom 一些 2 维的图层。 这就使得 NIFTI 更加适合那些应用在 DICOM 上的机器学习的方法，因为它是以 3D 图像建模的。处理一个单独的 NIFTI 文件要比处理成百上千个 dicom 文件更加容易一些。 医疗图像格式 格式转换 dicom 转换成 NIFTI dicom2nii（https://www.nitrc.org/projects/dcm2nii/）是一个用来把 DICOM 转换为 NIFTI
3.7K61发布于 2018-05-09 - 来自专栏AI研习社
深度学习下的医学图像分析（四）
NIFTI 最初是用于神经成像的，但它也适用于一些其他的领域。 Nibabel 是用于读取 nifti 文件的一个朋友 Python 库，“oro.nifti” 是用于读取 nifti 数据的一个 R 工具包。 DICOM 和 NIFTI 间的区别 DICOM 和 NIFTI 之间最主要的区别在于 NIFTI 中的原始图像数据是以 3D 图像的格式储存的，而 DICOM 是以 3D 图像片段的格式储存的。 这就是为什么在一些机器学习应用程序中 NIFTI 比 DICOM 更受欢迎，因为它是 3D 图像模型。处理一个单个的 NIFTI 文件，与处理上百个 DICOM 文件相比要轻松得多。 一个读取和编写 NIFTI 文件的 Python 库是 nibabel。如果想要将 DICOM 格式转换为 NIFTI 格式，有很多自动转换的工具，比如 dcm2nii。
2.3K60发布于 2018-03-19 - 来自专栏脑机接口
Nilearn教程系列(3)-ICA静息功能磁共振成像的分组分析:CanICA
adhd_dataset = datasets.fetch_adhd(n_subjects=30) func_filenames = adhd_dataset.func # list of 4D nifti files for each subject # 数据集基本信息 print('First functional nifti image (4D) is at: %s' % func_filenames components_img = canica.components_img_ #components_img是一个Nifti Image对象，可以使用以下行保存到文件中： components_img.to_filename
70020编辑于 2022-08-18 - 来自专栏Python编程和深度学习
医疗图像分割结果的3D可视化
Simple ITK as sitk itk_img = sitk.ReadImage(‘a.mhd’) img_array = sitk.GetArrayFromImage(itk_img) 1.3 NIfTI 格式 标准NIfTI图像的扩展名是.nii，包含了头文件及图像资料。 由于NIfTI格式和Analyze格式的关系，因此NIfTI格式也可使用独立的图像文件（.img）和头文件（.hdr）。 NIfTI格式的nii数据同样可以用ITK-SNAP软件打开，在python中同上采用SimpleITK包来处理。
11.1K40发布于 2020-05-21 - 来自专栏Python编程和深度学习
nnUnet使用2d数据训练方法-DKFZ官方版
The resulting imagemust be saved in nifti format. The resulting image must be saved in nifti format. to nifti. These images must be resampled by you prior to converting them to nifti!!! 之后针对输入图像和标签图像分别存储为带模态标志0000/0001/0002的nifti数据和不带模态标志的nifti数据。
3.6K10发布于 2021-03-03 - 来自专栏医学和生信笔记
医学影像分析常用R包
ANALYZE和NIfTI 尽管医学影像数据的行业标准是DICOM，但在影像分析社区中已经大量使用了另一种格式。 这种格式的改进版被称为NIfTI-1，是Neuroimaging Informatics Technology Initiative（NIfTI）的数据格式工作组（Data Format Working RNifti，fmri，tractor.base，oro.nifti，neuroim和nifti.io都提供了读取/写出ANALYZE和NIfTI文件的函数。 它可以读取和写入NIfTI-1数据，并提供用于处理多维图像的S4类。 该软件包的目标是在R中完全与FSL进行接口，您可以传递基于R的NIfTI对象，函数将执行一个FSL命令并返回基于R的NIfTI对象。
1.4K40编辑于 2023-10-04 - 来自专栏R语言交流中心
R语言实现DICOM文件的操作
放射学图像有6种主要格式--DICOM（医学数字成像和通信），NIFTI（神经影像信息技术），PAR / REC（飞利浦MRI扫描仪格式），ANALYZE（梅奥医学影像），NRRD（近原始光栅数据） ） ##多文件展示 hk40n <-dicom2nifti(hk40)##格式转化 image(hk40n) ? hk40n_image.jpeg",width=480, height=480, quality=95, bg="black") image(hk40n,zlim=c(0,1024)) dev.off() ###NIfTI 保存 writeNIfTI(hk40n,"asa.nifti")
2.3K10发布于 2021-07-05 - 来自专栏CV学习史
医学图像了解
像素数据使用数值显示所需的最小字节数，以整点或浮点数的格式储存 图像大小 = 数据头大小（包括元数据） + 行数 栏数像素深度（图像帧数） 医学图像格式 放射图像有6种主要的格式，分别为DICOM（医学数字成像和通讯）、NIFTI NIfTI格式 NIFTI中一个主要的特点在于它包含了两个仿射坐标定义，这两个仿射坐标定义能够将每个立体元素指标（i,j,k）和空间位置（x,y,z）联系起来 标准NIfTI图像的扩展名是（.nii 同时NIfTI也可使用独立的图像文件（.img）和头文件（.hdr） DICOM和NIFTI间的区别 DICOM和NIFTI之间最主要的区别在于NIFTI中的原始图像数据是以3D图像的格式储存的，而 这就是为什么在一些机器学习应用程序中NIFTI比DICOM更受欢迎，因为它是3D图像模型。处理一个单个的NIFTI文件，与处理上百个DICOM文件相比要轻松得多。 NIFTI的每一张3D图像中只需储存两个文件，而在DICOM中则要储存更多文件。
2.6K31发布于 2019-09-10 - 来自专栏脑机接口
Nilearn中的基本操作和查看
下面对它的基本操作进行简要介绍: 这里我们使用nilearn随附的Nifti文件 # 导入自带的Nifti文件 from nilearn.datasets import MNI152_FILE_PATH # 注：变量mni152_file_path只是nifti文件的路径 print('Path to MNI152 template: %r' % MNI152_FILE_PATH) 第一步：查看数据
1.6K20发布于 2020-06-30 DCP：一款用于弥散磁共振成像连接组学的工具箱
将 DICOM 转换为 NIfTI。DCP可以将DICOM和NIfTI格式作为输入文件进行处理。输入文件的组织方式应使每个主题都有一个单独的文件夹。 在此文件夹中，应有用于容纳 DICOM或NIfTI格式的DTI和T1文件的不同子文件夹。当将NIfTI图像用作输入文件时，将跳过格式转换步骤。 否则，DCP会使用MRIcron中的dcm2niix工具将 DICOM 文件转换为 NIfTI 文件。将 DICOM 转换为 NIfTI。 DCP 可以将 DICOM和 NIfTI 格式作为输入文件进行处理。输入文件的组织方式应使每个主题都有一个单独的文件夹。 在此文件夹中，应有用于容纳 DICOM 或 NIfTI 格式的DTI 和 T1 文件的不同子文件夹。当将NIfTI图像用作输入文件时，将跳过格式转换步骤。
1K10编辑于 2024-05-21- 来自专栏云上修行
nnU-Net 入门实操教程
/usr/bin/env python3 """ NIfTI 文件可视化脚本 用法: python3 show_nii.py <nii_file_path> # 三个切片视图解释 - 1. 切片: {mid_coronal}/{self.data.shape[1]}') axes[2].axis('off') plt.suptitle(f'NIfTI /usr/bin/env python3 """ NIfTI 文件 3D 可视化脚本 用法: python3 show_nii_3d.py <nii_file_path> 例子： # 方案一：matplotlib "提示: 可以用鼠标旋转、缩放、平移") fig.show() def main(): parser = argparse.ArgumentParser(description='NIfTI /usr/bin/env python3 """ NIfTI 文件原始图像和标签叠加的 3D 交互式可视化 用法: python3 show_nii_overlay_3d.py <image_file>
1.8K53编辑于 2025-10-16 - 来自专栏CV学习史
ADNI数据
下载数据(经过处理)示例： 名字： ADNI1_Complete_2Yr_1.5T 格式： NiFTI 大小： 22.5 M 尺寸： 192 * 192 * 160 类型： T1 制造商： 名字：ADNI1_Baseling_3T 格式：NiFTI 大小：22.5 M 尺寸： 192 * 192 * 160 制造商： GE MEDICAL SYSTEMS 类型： T1 成像信息 下载的数据： 单个图片大小：3.44 M 格式： NiFTI 尺寸： 91 * 109 * 91 使用Mango可直接显示图片，效果如下 ?
2.1K11发布于 2019-09-10 - 来自专栏全栈程序员必看
医学图像处理(医学图像处理研究生就业选择)
在fMRI的早期，Analyze格式最常用的格式，但现在逐渐被 NIfTI格式所取代。Analyze格式主要不足就是头文件不能真正反映元数据。 16. NIfTI格式 解析：标准NIfTI图像的扩展名是.nii，包含了头文件及图像资料。 由于NIfTI格式和Analyze格式的关系，因此NIfTI格式 也可使用独立的图像文件（.img）和头文件（.hdr）。
2.4K31编辑于 2022-08-02 - 来自专栏最新医学影像技术
CuRIOUS2022——超声脑肿瘤分割挑战赛
成像数据以 MINC-2 和 NIFTI-1 格式提供，分割以 NIFTI-1 格式提供。所有图像、MRI、iUS 和分割都在同一个参考空间中。
79050编辑于 2022-12-19 - 来自专栏最新医学影像技术
BraTS2023-MET——BraTS2023脑转移分割挑战赛
所有数据集均采用标准化预处理，包括将 DICOM 文件转换为 NIfTI 格式、共同配准到同一解剖模板 (SRI24)、重采样为统一的各向同性分辨率 (1mm3) 以及颅骨剥离。 转换为 NIfTI 格式会从DICOM头文件中删除所有受保护的健康信息 (PHI)，并且头骨剥离有助于防止患者潜在的面部识别。
1.9K10编辑于 2023-11-07 - 来自专栏最新医学影像技术
AutoPet2022——全身PET/CT病灶分割挑战赛
训练集——训练数据包括在蒂宾根大学医院获得的 1,014 项研究，并在 TCIA 上公开（作为 DICOM、NiFTI 和 HDF5 文件）。 下载链接： http://www.midaslab.org/autoPET/data/nifti.zip。 预处理数据将以 NifTI 格式提供。通过将图像单位从活动计数转换为标准化摄取值 (SUV) 来标准化 PET 数据。
3K40编辑于 2022-12-19 - 来自专栏BioIT爱好者
Galaxy v-21.01 发布，新的流程和历史栏体验
Pull Request 10757 添加 nifti1 和 nifti2 数据类型(感谢 @bgruening).
94420发布于 2021-10-15 - 来自专栏集智书童
2024年YOLO还可以继续卷 | MedYOLO是怎么从YOLO家族中一步一步走过来的？
该框架与NIfTI成像具有原生兼容性。 它接受NIfTI文件作为输入，并包括CT和磁共振（MR）扫描的归一化功能。 用于测试的数据集典型的NIfTI扫描形状通常在512x512x40和512x512x100之间，首先被加载到 Pipeline 中。该扫描被转换为PyTorch张量。 与MedYOLO一样，nnDetection也是一个用于3D NifTI图像的通用医学影像目标检测框架，但它使用的是滑动窗口目标检测方法，而不是MedYOLO的单次方法。
1.9K10编辑于 2024-01-03 - 来自专栏脑机接口
Nilearn教程系列(4)-fMRI解码入门教程(一)
由于数据集有很多组，我们只是用其中一组 fmri_filename = haxby_dataset.func[0] # 打印数据集的基本信息 print('First subject functional nifti
90820编辑于 2022-08-18 - 来自专栏思影科技
大话脑成像之十三：浅谈标准空间模板和空间变换
对于3维空间的MRI图像，非线性变换的形变场是x，y，z三个方向的成分图像,存放的格式是nifti格式（3张nifti图像）。
5.1K61发布于 2018-06-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号