基于Docker使用HeuDiConv整理MRI数据（BIDS）

最新推荐文章于 2025-03-28 10:50:12 发布

weixin_43867497

最新推荐文章于 2025-03-28 10:50:12 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

文章标签： docker linux

本文链接：https://blog.youkuaiyun.com/weixin_43867497/article/details/121027334

基于Docker使用HeuDiConv整理MRI数据（BIDS）

1.在Win10pro安装Docker，参考Docker在Win10中的安装及相关配置
2.组织好待整理的数据：

-project
	-Dicom
		-sub-01
			-T1
			-Func
		-sub-02
		-...

2.打开Linux终端：打开Windows Powershell，输入bash运行
3.获取HeuDiConv镜像：docker pull nipy/heudiconv:latest
4.运行：

docker run --rm -it -v /mnt/c/Users/***/Desktop/project:/base nipy/heudiconv:latest -d /base/Dicom/sub-{subject}/*/* -o /base/Nifti/ -f convertall -s 01 -ss 001 -c none --overwrite

其中：
/mnt/c/Users/***/Desktop/project改为自己的项目路径，使用-v将该路径映射到/bash
/base/Dicom/sub-{subject}/*/*该路径为待处理图像的地址
-s代表subject序号，-ss代表每个subject的session，本项目没有session，可以忽略
5.代码运行结束后，在/base/Nifti/路径下生成.heudiconv文件夹，里面有四个文件。
其中：
使用Excel打开文件夹中的dicominfo.tsv，可以看到所有Dicom文件的头文件信息，该信息用于修改将要进行的图像分类脚本。
在Nifti文件夹下创建code文件夹，把heuristic.py拷贝进去，使用VS Code或Pycharn打开，并进行修改

1.第一处修改，声明Nifti文件命名规则
#原代码
	data = create_key('run{item:03d}')
	info = {data: []}
	
#修改为
    t1w = create_key('sub-{subject}/anat/sub-{subject}_T1w')
    rest = create_key('sub-{subject}/func/sub-{subject}_task-rest_bold')
    info = {t1w: [], rest: []}
2.第二处修改
#原代码
	info[data].append(s.series_id)
#修改为
    if (s.dim3 == 192):
        info[t1w].append(s.series_id)
    if (s.dim4 == 240):
        info[rest].append(s.series_id)

6.批量转换图像格式并组织为BIDS形式

for sub in *
do 
    docker run --rm -it -v /mnt/c/Users/***/Desktop/project:/base nipy/heudiconv:latest -d /base/Dicom/{subject}/*/* -o /base/Nifti/ -f /base/Nifti/code/heuristic.py -s $sub -c dcm2niix -b --overwrite
done

7.上传数据，验证是否符合BIDS要求，验证链接
参考：
【1】https://www.zhihu.com/column/c_1306280601625337856
【2】https://reproducibility.stanford.edu/bids-tutorial-series-part-2a/
【3】https://nipy.org/workshops/2017-03-boston/lectures/bids-heudiconv/#1
【4】https://www.youtube.com/watch?v=O1kZAuR7E00