从rookie到基佬~014：Python代码 DICOM(.dcm)数据转化为NIFTI（.nii）数据

一天一个变弯小技巧

今日份洗脑： DICOM(.dcm)数据转化为NIFTI（.nii）数据

结论：SimpleITK：他好，我也好，汇源肾宝

医学图像的存储格式

1、NIFTI(.nii)是Neuroimaging−Informatics−Technology−Initiative即神经影像信息技术，NIFTI格式被认为ANALYZE7.5格式的替代品。NIFTI最初是用于神经成像的，但它也适用于一些其他的领域。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体素指标（i,j,k）和空间位置（x,y,z）联系起来

2、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。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。

深度学习时将DICOM(.dcm)数据转化为NIFTI（.nii）数据的动机

NIFTI的文件是三维的图像，而DICOM的文件为二维的多张图像，所以相对于DICOM文件，NIFTI文件更加易用于机器学习，训练的张数减少。

Python将DICOM(.dcm)数据转化为NIFTI（.nii）数据的代码

import numpy as np
import nibabel as nib
import os
import pandas as pd
import SimpleITK as sitk
import matplotlib.pyplot as plt

def dcm2nii_sitk(path_read, path_save):
    reader = sitk.ImageSeriesReader()
    seriesIDs = reader.GetGDCMSeriesIDs(path_read)
    N = len(seriesIDs)
    lens = np.zeros([N])
    for i in range(N):
        dicom_names = reader.GetGDCMSeriesFileNames(path_read, seriesIDs[i])
        lens[i] = len(dicom_names)
    N_MAX = np.argmax(lens)
    dicom_names = reader.GetGDCMSeriesFileNames(path_read, seriesIDs[N_MAX])
    reader.SetFileNames(dicom_names)
    image = reader.Execute()
    if not os.path.exists(path_save):
        os.mkdir(path_save)
    sitk.WriteImage(image, path_save+'/data.nii.gz')

DICOMpath = r"F:\Dicomdataset"   //dicom文件夹路径
Midpath = r"F:\middataset"   //处理中间数据路径
Resultpath = r"F:\result"    //保存路径
cases = os.listdir(DICOMpath)  //获取dicom文件夹路径子文件夹名
for c in cases:  //遍历dicom文件夹路径子文件
    path_mid = join(DICOMpath , c)  //获取dicom文件夹下每一套数据的路径
    dcm2nii_sitk(path_mid , Midpath )  //将dicom转换为nii，并保存在Midpath中
    shutil.copy(join(Midpath , "data.nii.gz"), join(Resultpath , c + ".nii.gz"))
    //重新对保存后的nii文件名进行命名，并复制到Resultpath下

如有错误，欢迎各位大侠莅临指正，顺颂 时祺。