ADNI的MRI数据处理学习过程（HD-BET去脑壳，FSL模板配准等）

YYY7

已于 2024-07-09 10:50:21 修改

阅读量2.6k

点赞数 9

CC 4.0 BY-SA版权

分类专栏：数据处理文章标签：学习笔记图像处理

于 2023-09-12 14:55:27 首次发布

本文链接：https://blog.youkuaiyun.com/qq_41762023/article/details/132831962

数据处理专栏收录该内容

2 篇文章

订阅专栏

本文记录FSL学习过程，FSL只能在Linux下运行，选择在WSL中配置。介绍了下载安装方法，还说明了使用Python调用FSL的方法，包括fslpy库的安装。此外，讲解了将图像配准到MNI152模板的操作，补充了空间变换、代价函数等知识，还提及分割脑壳的模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

FSL学习过程

下载及安装

FSL只能在Linux下运行，这里选择在WSL（windows的Linux子系统）中配置FSL。

下载：从官网FSL - FslWiki (ox.ac.uk)下载安装FSL的python文件“fslinstaller.py”。
安装：在WSL中输入 python3 fslinstaller.py，然后输入yes，等待脚本自动下载安装，完成后结果如下图。

在这里插入图片描述

使用

FSL除了使用bash命令和可视化UI进行使用以外，也可以用Python和R语言进行调用。这里记录Python调用的方法，用到的库为fslpy，由于网上基本没有这个库的教程，这里就安装官方文档的内容进行记录，可能会有些地方有理解错误。

fslpy的安装

参考链接 ——> { PyPI：fslpy · PyPI GitHub：GitHub - pauldmccarthy/fslpy: This is a mirror. }**

1. 库的安装： 通过pip安装，pip install fslpy；或是conda，conda install -c conda-forge fslpy
2. 依赖库的安装： wxPython；indexed_gzip；trimesh；Pillow （直接用conda或者pip就行）
3. API文档： https://open.win.ox.ac.uk/pages/fsl/fslpy/

配准到MNI152模板

1. 按照官方文档的建议，首先应该先把图像的方向和模板进行统一，使用fslreorient2std进行处理。

在这里插入图片描述

结果参考如下：

在这里插入图片描述

Python代码，直接在对应目录下打开powershell然后运行wsl，切换conda环境就可以运行Python脚本：

import os
from tqdm import tqdm
from fsl.wrappers import misc

path = 'OUT_SEG'  #文件路径
savePath = 'OUT_SEG_FR'  #保存路径
files = os.listdir(path)
bars = tqdm(files)  #进度条
for stop, file in enumerate(bars):
    filePath = os.path.join(path, file)
    fileSavePath = os.path.join(savePath, file)
    misc.fslreorient2std(filePath, fileSavePath)  #函数调用
    # if stop==10:                               #调试用的停止标志
    #     break

线性变化进行影像配准，类似的方式，调用的是fsl.wrappers.flirt.flirt方法。

在这里插入图片描述

src：输入图像
ref：参考图像
out：输出图像
（还有一些其他的参数，例如空间变化方式，代价函数，插值方法可以参考命令行版本的参数设置）

参考结果：

在这里插入图片描述

同样的给出Python代码：

import os
from tqdm import tqdm
from fsl.wrappers.flirt import flirt

inputPath = 'OUT_SEG'  #文件路径
refPath = 'ref/MNI152_T1_1mm_brain.nii.gz'  #参考文件路径
savePath = 'OUT_SEG_FR'  #保存路径
files = os.listdir(inputPath)
bars = tqdm(files)  #进度条
for stop, file in enumerate(bars):
    filePath = os.path.join(inputPath, file)
    fileSavePath = os.path.join(savePath, file)
    flirt(src=filePath,
          ref=refPath,
          out=fileSavePath,
          cost='corratio',
          dof=12,
          interp='trilinear')  #函数调用
    if stop == 10:  #调试用的停止标志
        break