Python将list矩阵保存为nii文件

关注

原创最新推荐文章于 2026-11-04 10:03:21 发布 650 阅读 AI 写同款· GEO 优化 ›

从扩散MRI到白质纤维束图谱：用Python绘制大脑神经高速公路大脑白质纤维束如同城市交通网络，连接不同脑区并承担信息传递。扩散磁共振成像（dMRI）通过测量水分子扩散方向，间接揭示纤维走向，而扩散张量成像（DTI）则量化各向异性分数（FA）等指标，为绘制神经通路提供数据基础。纤维束追踪技术结合空间配准与图谱标准化，可重建胼胝体、皮质脊髓束等关键通路，形成可量化、可比较的数字化脑图谱。该技术广泛应用于医学影像算法开发、神经退行性疾病辅助诊断及脑机接口靶点定位。本文以Python生态为核心，演示从DWI数据加载、FA图计算到确定性纤维追踪与ROI筛选的完整流程，帮助开发者阅读详情

import nibabel as nib
import numpy as np

# 首先读取nii文件并完成维度转换和NAN值替换
path='../data/'
fileName='lactate.nii'
data = nib.load(path+fileName).get_fdata()
data = data.transpose(2, 0, 1)
dataTest = np.nan_to_num(data)

# 某任务产生了新的list
dataTestGT=np.mean(dataTest[:,...],axis=0)[np.newaxis,...]

resultImgs=[]
inputImgs=[]

for index in range(dataTest.shape[0]):
    
    im=dataTest[index]
    gt=dataTestGT[0] 
    
    means = prediction.tiledPredict(...)
    
    resultImgs.append(means)
    inputImgs.append(im)
 
# 保存list为nii
resultImgsshift = np.array(resultImgs).transpose(1, 2, 0)
new_header = nib.load(path+fileName).header.copy()
new_data = np.array(resultImgsshift)
new_img = nib.nifti1.Nifti1Image(new_data, None, header=new_header)
nib.save(new_img, 'N2VPrediction.nii')

收录于