python与医学图像处理

最近刚开始看脑影像方面的内容，感谢博主们的分享！

python与医疗图像1 https://blog.csdn.net/ssw_1990/article/details/51890055

python与医疗图像2  https://blog.csdn.net/ssw_1990/article/details/51996011

python与医疗图像3  https://blog.csdn.net/ssw_1990/article/details/73472399

======================================================================

1. pip install dipy：DIPY is a python toolbox for analysis of MR diffusion imaging.

2. pip install nibabel：安装用于读写影像数据文件的程序包

3. pip install --trusted-host pypi.python.org SimpleITK：安装ITK包

======================================================================

1. PyMVPA

解析：PyMVPA（Python MultiVariate Pattern Analysis）是一个用来简化大型数据集的模式分类分析的Python模块。

提供一些高级的抽象的常用的处理步骤和一些常用算法的实现，而且它不仅仅局限于神经影像学领域。Windows下安

装方式为pip install pymvpa-0.4.8-cp27-none-win_amd64.whl。

2. Nilearn

解析：Nilearn是一个能够快速统计学习神经影像数据的Python模块。它利用Python语言中的scikit-learn工具箱和一些进行预测建模，分类，解码，连通性分析的应用程序来进行多元的统计。

 pip install -U --user nilearn

3. Scikit-learn

解析：Scikit-learn是基于Scipy为机器学习建造的的一个Python模块，它的特色就是多样化的分类，回归和聚类的算法包括支持向量机，逻辑回归，朴素贝叶斯分类器，随机森林，Gradient Boosting，聚类算法和DBSCAN等。

Scikit-learn需要NumPy和SciPy等其他包的支持，因此在安装Scikit-learn之前需要提前安装一些支持包，

假定已经完整安装了所有支持包，那么利用安装Scikit-learn只需要简单的一条简单的pip命令（也可以用conda命令，详见官方文档）：

$ sudo pip install -U scikit-learn

4. Scikit-image

解析：Scikit-image是用于图像处理的Python包，使用原生的NumPy数组作为图像对象。

pip install skimage

5. PyOpenCV（或CV2）

解析：PyOpenCV（或CV2）是一个用Python实现的OpenCV的API。但是，PyOpenCV与CV2的区别呢？

6. PyOpenGL

解析：PyOpenGL是一个用Python实现的OpenGL的API。

7. PIL

解析：PIL（Python Imaging Library）是Python中最常用图像处理库，它的功能非常强大，并且API非常简单易用。

8. FSL

解析：常用的分析fMRI的软件有SPM，FSL和AFNI。官网对FSL的介绍：FSL is a comprehensive library of image 

analysis and statistical tools for fMRI, MRI and DTI brain imaging data. The suite consists of various command line 

tools, as well as simple GUIs for its core analysis pipelines. Among others, FSL offers implementations of standard 

GLM analysis, white matter tractography, tissue segmentation, affine and non-linear co-registration, and 

independent component analysis.

FSL提供的工具，如下所示：

（1）Functional MRI: FEAT, MELODIC, FABBER, BASIL, VERBENA

（2）Structural MRI: BET, FAST, FIRST, FLIRT & FNIRT, FSLVBM, SIENA & SIENAX, fsl_anat

（3）Diffusion MRI: FDT, TBSS, EDDY, TOPUP

（4）GLM / Stats: GLM general advice, Randomise, Cluster, FDR, Dual Regression, Mm, FLOBS

（5）Other: FSLView, Fslutils, Atlases, Atlasquery, SUSAN, FUGUE, MCFLIRT, Miscvis, POSSUM, BayCEST

FSL安装，如下所示：

（1）下载FSL

http://fsl.fmrib.ox.ac.uk/fsldownloads/fsl-5.0.9-centos6_64.tar.gz

（2）安装FSL

[plain] view plain copy
sudo su  
mkdir /opt/software  
tar -zxvf fsl-5.0.9-centos6_64.tar.gz  
（3）配置环境变量
[plain] view plain copy
vim ~/.bashrc  
FSLDIR=/opt/software/fsl  
. ${FSLDIR}/etc/fslconf/fsl.sh  
PATH=${FSLDIR}/bin:${PATH}  
export FSLDIR PATH  
说明：source ~/.bashrc即可，不需要重启计算机。
可能遇到的问题，如下所示：

（1）error while loading shared libraries: libmng.so.1: cannot open shared object file: No such file or directory

解析：

sudo apt-get install liblcms1 (http://packages.ubuntu.com/precise/libmng1)

sudo dpkg -i libmng1_1.0.10-3_amd64.deb

9. FreeSurfer

解析：FreeSurfer是一个处理大脑3D结构像数据，进行自动皮层和皮下核团分割的软件。该软件是一款用于分析脑神

经数据的工具集合，它提供了一系列的算法来量化人脑的功能、连接以及结构属性，能对高分辨率的磁共振图像进行

三维重建，生成展平或胀平图像，并能得到皮质厚度、面积、灰质容积等解剖参数。

FreeSurfer安装，如下所示：

（1）配置环境变量

export FREESURFER_HOME=/home/ssw/freesurfer

source $FREESURFER_HOME/SetUpFreeSurfer.sh

（2）yum install tcsh

（3）将license复制到/home/ssw/freesurfer中。

（4）分别输入tkregister2、tkmedit、tksurfer 和recon-all --help。

（5）recon-all -s bert -autorecon1。

10. Slicer

解析：3D Slicer是一个跨平台的，免费和开源的数据可视化和医学图像计算软件包。

11. nipy，nibabel

解析：Python医疗影像开发包。pip install nipy-0.4.0-cp27-none-win_amd64.whl；pip install nibabel。

12. VTK

解析：VTK（visualization toolkit）是一个开源的免费软件系统，主要用于三维计算机图形学、图像处理和可视化。

VTK是在面向对象原理的基础上设计和实现的，它的内核是用C++构建的，包含有大约250,000行代码，2000多个

类，还包含有几个转换界面，可以通过Python语言使用VTK。

 

参考文献：

[1] PyMVPA：http://www.pymvpa.org/

[2] Scikit-learn：http://scikit-image.org/

[3] PIL：http://www.pythonware.com/products/pil/

[4] PyOpenGL 3.x：http://pyopengl.sourceforge.net/

[5] 核磁共振成像：https://www.zhihu.com/topic/19613128/top-answers

[6] FSL：http://neuro.debian.net/install_pkg.html?p=fsl-complete

[7] ubuntu 12.04安装fsl：http://blog.csdn.net/lj695242104/article/details/17059625

[8] FreeSurfer使用手册：https://read.douban.com/column/594403/

[9] 3D Slicer：https://www.slicer.org/

[10] FreeSurfer Download and Install：http://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall/

==================================================================

1. 医学影像学

医学影像学Medical Imaging，是研究借助于某种介质（如X射线、电磁场、超声波等）与人体相互作用，把人体内部组织器官结构、密度以影像方式表现出来，供诊断医师根据影像提供的信息进行判断，从而对人体健康状况进行评价的一门科学，包括医学成像系统和医学图像处理两方面相对独立的研究方向。

仪器主要包括X光成像仪器、CT(普通CT、螺旋CT）、正子扫描(PET)、超声（分B超、彩色多普勒超声、心脏彩超、三维彩超）、核磁共振成像（MRI）、心电图仪器、脑电图仪器等。

课程设置包括：（1）主干学科：基础医学、临床医学、医学影像学.（2）主要课程：物理学、电子学基础、计算机原理与接口、影像设备结构与维修、医学成像技术、摄影学、人体解剖学、诊断学、内科学、影像诊断学、影像物理、超声诊断、放射诊断、核素诊断、介入放射学、核医学、医学影像解剖学、肿瘤放疗治疗学、B超诊断学。

2. MNI空间

解析：MNI空间是Montreal Neurological Institute根据一系列正常人脑的磁共振图像而建立的坐标系统。Native空间就

是原始空间，图像没有做任何变换时就是在原始空间。在这个空间中图像的维度、原点、voxel size等都是不同的，

不同被试的图像之间不具有可比性，计算出来的任何特征都不能进行统计分析，或是用于机器学习。所以必须对所有

被试的图像进行配准标准化到同一个模板上，这样所有被试的维度、原点、voxel size就一样了。使用MNI标准模板，

就表示把图像转换至MNI空间了。一般而言MNI模板是最常用的，研究的比较多。标准空间的图像也是指MNI空间的

图像。Talairach空间和MNI空间的坐标有对应的关系，很多软件都提供这个功能，比如Mricron、REST等。Talairach

空间主要是为了判别当前坐标在什么结构上，Talairach atlas and Talairach coordinates就是Stereotaxic space。

3. 脑成像数据模态 [16]

解析：脑成像数据主要有DTI、FMRI、3D三种模态。其中，DTI，3DT1是三维数据，FMRI是四维数据。

（1）DTI：Diffusion Tensor Imaging，磁共振弥散张量成像。

（2）FMRI：Functional Magnetic Resonance Imaging，功能性磁共振成像。

4. DICOM格式

解析：DICOM（Digital Imaging and Communications in Medicine）即医学数字成像和通信，是医学图像和相关信息

的国际标准（ISO 12052）。它定义了质量能满足临床需要的可用于数据交换的医学图像格式。DICOM被广泛应用于

放射医疗，心血管成像以及放射诊疗诊断设备（X射线，CT，核磁共振，超声等），并且在眼科和牙科等其它医学领

域得到越来越深入广泛的应用。在数以万计的在用医学成像设备中，DICOM是部署最为广泛的医疗信息标准之一。当

前大约有百亿级符合DICOM标准的医学图像用于临床使用。

5. 原子（原子核，电子），原子核（质子，中子）

解析：氢原子模型：电中性的原子含有一个正价的质子与一个负价的电子，被库仑定律束缚于原子核。质子和电子都

是构成物质的基本粒子。任何物质都是由原子构成的，而原子可以看作一个模型：原子核和绕原子核运动的电子。原

子核可以进一步分为质子和中子。电子带负电荷，质量非常小。质子带正电荷，其质量和中子的质量大致相等。 

6. 轨道磁矩和自旋磁矩

解析：在原子中，电子因绕原子核运动而具有轨道磁矩；电子因自旋具有自旋磁矩；原子核、质子、中子以及其它基

本粒子也都具有各自的自旋磁矩。这些对研究原子能级的精细结构，磁场中的塞曼效应以及磁共振等有重要意义，也

表明各种基本粒子具有复杂的结构。

7. 磁化强度

解析：磁化强度（M）是描述磁介质磁化状态的物理量。在国际单位制中，M的单位为安培/米。定义为媒质微小体元

ΔV内的全部分子磁矩矢量和与ΔV之比。即对于顺磁与抗磁介质，无外加磁场时，M恒为零；存在外加磁场时，如右所示：。

（1）抗磁性物质的磁化强度的大小与外磁场的大小成正比，但是方向与外磁场方向相反。

（2）顺磁性物质的磁化强度的大小与外磁场的大小成正比，而且方向与外磁场方向相同。

8. fMRI数据结构

解析：

（1）时间分辨率

（2）空间分布率

（3）结构图像：空间分辨率相对很高。

（4）功能图像：时间分辨率相对很高。

9. K空间

解析：K空间的数据分布实际上是图像空间中数据的二维傅立叶变换结果。K空间中的数据点和图像空间中的数据点并

不是一一对应的。一个K空间中的数据点对应了图像空间中所有数据点的一部分信息。事实上，K空间中的数据正是图

像空间中的数据作二维傅立叶变换的结果，也就是说，我们的“大脑图像”可以被看作是由一系列频率、相位、方向各

异的二维正弦波叠加而成的，而K空间的数据正表示了图像的正弦波组成。因此，为了理解如何从K空间中的数据变换

得到图像空间中的数据，必须首先理解傅立叶变换。 

10. MRI与fMRI

解析：

（1）MRI扫的是大脑的结构图像，也叫T1权重图像。它有着很高的空间分辨率，可以从中看到非常清晰的解剖结

构，也可以从中区分出各种不同的组织。 

（2）fMRI往往用于研究大脑的具体功能，扫出来的是功能图像，也叫做T2*权重图像。虽然它的空间分辨率比较低，

但是时间分辨率很高，可以在很短的时间内扫出一叠功能图像。这样就可以研究实验操作究竟是如何影响大脑的MRI

信号的。 

11. BOLD指数

解析：BOLD指数指的是有氧血红蛋白（Oxygenated Hemoglobin）的含量和脱氧血红蛋白（Deoxygenated 

Hemoglobin）含量的比值。 

12. BOLD原理

解析：有氧血红蛋白是抗磁性（Diamagnetic）的，脱氧血红蛋白是顺磁性（Paramagnetic）的。fMRI（T2*权重）

正是利用了血红蛋白在这两种状态下不同的磁性性质，顺磁性的脱氧血红蛋白可以增强MR的原磁场。当它的含量下

降时，BOLD fMRI信号会跟着上升。脱氧血红蛋白上升，会导致信号的下降，因为它会干扰主磁场，导致信号的衰减

加速。

13. fMRI数据预处理 

解析：数据预处理步骤包括：可视化（Visualization）、去伪影（Artifact removal）、时间配准（Slice

time correction）、头动校正（Motion correction）、生理噪音校正（Correction for physiological effect）、结构功能

配准（Co-registration）、标准化（Normalization）和时空间滤波（Spatial and temporal filtering）。

14. 现代神经影像学技术

解析：脑电图（EEG）；单光子发射体层成像（SPECT）；正电子发射型计算机断层显像（PET）；功能性磁共振

成像（fMRI）；侵入性光学成像（Invasive Optical Imaging）；颅内电极记录（Intracranial Recording）；脑皮层电

图（ECoG）。其中应用最为广泛的是fMRI和PET。

15. Analyze格式

解析：Analyze格式储存的每组数据组包含2个文件，一个为数据文件，其扩展名为.img，包含二进制的图像资料；另

外一个为头文件，扩展名为.hdr，包含图像的元数据。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）。单独的.nii格式文件的优势就是可以用标准的压缩软件（如

gzip），而且一些分析软件包（比如FSL）可以直接读取和写入压缩的.nii文件（扩展名为.nii.gz）。

17. nilearn模块

解析：

（1）nilearn.connectome: Functional Connectivity

（2）nilearn.datasets: Automatic Dataset Fetching

（3）nilearn.decoding: Decoding

（4）nilearn.decomposition: Multivariate decompositions

（5）nilearn.image: Image processing and resampling utilities

（6）nilearn.input_data: Loading and Processing files easily

（7）nilearn.masking: Data Masking Utilities

（8）nilearn.regions: Operating on regions

（9）nilearn.mass_univariate: Mass-univariate analysis

（10）nilearn.plotting: Plotting brain data

（11）nilearn.signal: Preprocessing Time Series

说明：Nilearn是一个将机器学习、模式识别、多变量分析等技术应用于神经影像数据的应用中，能完成多体素模式分

析（MVPA:Mutli-Voxel Pattern Analysis）、解码、模型预测、构造功能连接、脑区分割、构造连接体等功能。一般

用于处理功能磁共振图像（FMRI）、静息状态（resting-state），或者基于体素的形态学分析（VBM）。对于机器学

习专家来说，Nilearn的价值体现在特定领域特定工程的构造，也就是将神经影像数据表达成为非常适合于统计学习的

特征矩阵。[17]

18. 可获取的三种磁共振信号

（1）自由感应衰减信号（FID）：一般不用FID信号来重建图像，因为信号的较大幅度部分被掩盖在90度射频内；线

圈发射和接受通路之间来不及切换。

（2）自旋回波信号（SE）：较为常用的也是最早用以进行磁共振图像重建的信号，只是需要多施加一次1800RF脉

冲，回波时间较长。

（3）梯度回波信号（GrE）：较新的可大大缩减磁共振扫面时间的用以重建图像的信号，又称场回波。

说明：MPRAGE即快速梯度回波成像。

19. SPM和AFNI

解析：

（1）SPM：A powerful set of MATLAB functions for preprocessing, analysis, and display of fMRI and PET data. It 

is currently freely available.

（2）AFNI：A set of programs for processing, analyzing, and displaying functional MRI (fMRI) data. It runs on Unix-

based systems and is currently freely available.

20. fMRI分析的主要步骤

解析：fMRI数据分析之所以复杂是由许多因素造成的：第一，数据容易受到许多伪迹的影响，比如头动。第二，数据

中存在许多变异来源，包括个体间差异以及个体内不同时间的变异。第三，数据的维度很大，对许多惯于分析小型数

据的科学工作者们来说存在许多挑战。fMRI数据分析的主要步骤分别对应于解决上述这些问题。如下所示：

（1）质量控制：确保数据不被伪迹破坏。

（2）扭曲校正：校正fMRI图像经常发生的空间扭曲失真。

（3）头动校正：校正头动，将扫描的时间序列图像重新对准。

（4）层间时间校正：校正图像不同层之间的时间差异。

（5）空间标准化：将不同个体的数据对准到一个通用空间结构上，使得所有数据可以合并进行组分析。

（6）空间平滑：有意模糊数据以降低噪声。

（7）时间过滤：在时间维度上过滤数据，以去除低频噪声。

（8）统计建模：将统计模型拟合到观测数据，以估计任务或刺激引起的响应。

（9）统计推断：估计结果的统计显著性，对在整个大脑中进行的大量统计检验进行校正。

（10）可视化：对结果进行可视化，并估计效应量。

21. 神经元与神经系统

解析：神经元，又称神经原或神经细胞，是构成神经系统结构和功能的基本单位。神经元是具有长突起的细胞，它由

细胞体和细胞突起构成。神经系统是机体内对生理功能活动的调节起主导作用的系统，主要由神经组织组成，分为中

枢神经系统和周围神经系统两大部分。中枢神经系统又包括脑和脊髓，周围神经系统包括脑神经和脊神经。

22. 基于MRI标准坐标空间的三个主要坐标轴示意图

解析：在用于神经成像数据的标准空间中，X代表左/右；Y代表前/后；Z代表上/下。在数据矩阵中，一个特定的体素

可以被标记为[Xvox, Yvox, Zvox]，通过这三个维度的坐标就可以确定体素的位置。如下所示：

23. SPM数据转换

解析：使用SPM进行数据处理前，必须先将其它档案格式转换成spm可以读取的Analyze档案格式，包含.img档和.hdr

标头档。相关的转档软件有XMedCon和MRIcro等。   

参考文献：

[1] 南方医科大学：http://course.smu.edu.cn/coursecenter/Page/SchoolSpace/Department/ShowTrainScheme.aspx?OrganizationId=41

[2] 南方医科大学精品课程"医学影像学"：http://jpkc.fimmu.com/yx/yxbf/wljc1.htm

[3] 医学影像学：http://course.jingpinke.com/details?uuid=8a833999-20a7dbd5-0120-a7dbd535-

00e7&objectId=oid:8a833999-20a7dbd5-0120-a7dbd535-00e6&courseID=S0400398

[4] 西安交通大学精品课程"医学影像学"：http://radiology.xjtu.edu.cn/

[5] 中山大学精品课程"放射诊断学/医学影像学"：http://www.360doc.com/content/13/0118/09/1509573_260853317.shtml

[6] 医学影像学：http://www.1ketang.com/course/64.html

[7] 唐都医院放射治疗科学科专业网站：http://tdradiotherapy.fmmu.edu.cn/content.aspx?id=652799609557

[8] 天津医科大学医学影像诊断学：http://tj.jingpinke.com/xpe/portal/c791a316-1271-1000-bae6-e2511f149c90?uuid=8a833996-18ac928d-0118-ac928e9c-0114&courseID=C060034

[9] 南方医科大学医学影像学：http://sns.icourses.cn/jpk/getCourseDetail.action?courseId=6987

[10] 医学影像学：http://basic.shsmu.edu.cn/jpkc/radiology/index.asp

[11] 医学影像学课程：http://netclass.csu.edu.cn/jpkc2006/xiaoji2006/fshk-jpkc06/03sb/xeh.htm

[12] 中山大学医学影像学：http://www.icourses.cn/coursestatic/course_3479.html

[13] 复旦大学医学影像学精品课程：http://jpkc.fudan.edu.cn/s/186/main.htm

[14] 影像园：http://www.xctmr.com/ppt/

[15] 杭州师范大学精品课程"医学影像学"：http://yxyxx.hznu.edu.cn/

[16] 脑成像数据的格式转换：http://blog.csdn.net/yangpengfeiblog/article/details/9197783 

[17] Nilearn库介绍：http://blog.csdn.net/jinxiaonian11/article/details/53465072

[18] Ubuntu 12.04安装FreeSurfer：http://blog.csdn.net/lj695242104/article/details/39988687

————————————————
版权声明：本文为CSDN博主「jessican_uestc」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/jessican_uestc/article/details/79549069