Nifti文件分类及整理与如何从读取DICOM读取模态信息

Python——划分Nifti对应模态数据并整理

问题:把DICOM的数据用MRIcron的dcm2niigui.exe转好格式以后每个被试的全部模态都在一个文件夹内,but,有人给了你一个名单,只要那些人的某几个模态的数据,比如T1像和DTI,所以该怎么办?
人数少时一个一个操作很方便,但数量大了就发现代码的方便之处,而Python正是处理这些任务明智的选择。
So,let‘s begin

  • 最初想法是在当前的文件夹中处理,但是考虑到还要删除其余不需要的文件,不如以最简单的方式,就是建立一个新的文件夹来存放这些结果数据。
    比如我这里zhongxinzhongxin_done就分别是当前的文件夹和新建的要存放分好类数据的文件夹。
image.png

看下未整理之前的转完格式后的文件夹里的数据形式:

image.png

代码如下(以后可以迭代):

#coding=utf-8
#20190107 Nifti分类及拷贝
import sys
import os
import shutil

root_dir = u"F:\\zhongxin"
son_dir = os.listdir(root_dir)
new_dir = u'F:\\zhongxin_done'

# print(son_dir)
for son in son_dir:
    # 思路是把需要的T1和DTI复制到新的文件夹中,因此先建立对应的文件夹
    os.makedirs(u'F:\\zhongxin_done' + u'\\' + son)
    new_son_dir = os.path.join(new_dir,son)
    # 在每个人的文件夹内建立T1和DTI子文件夹存放其对应模态的数据
    os.makedirs(new_son_dir + u'\\' + 't1')
    os.makedirs(new_son_dir + u'\\' + 'dti')

    # 查找对应模态的文件
    grand_son_path = root_dir + u'\\'+ son
    # 此处会列出当前文件夹下全部的一级文件和子文件夹名称
    grand_son_dir = os.listdir(grand_son_path)
    # print(grand_son_dir)
    # 选取对应的模态并进行拷贝
    for name in grand_son_dir:
        oldfile= root_dir + u'\\' + son + u'\\' + name
        newfile_dir = new_son_dir 
        # 根据文件的命名特征分类Nifti,比如这里't1mprsag'就是T1像
        if 't1mprsag' in name:
            shutil.copy(oldfile,newfile_dir + u'\\' + 't1')
        if 'ep2ddiffDTI' in name:
            shutil.copy(oldfile,newfile_dir + u'\\' + 'dti')

结果如下:


image.png

每个被试的文件夹下都有两个文件夹存放对应模态,success。


但这就完了吗?
Absolutely not!Why?
因为一般像这样命名有规则的文件虽然很容易处理,但并非总是如此,总有一种混乱令你感动,比如像下面这样转完格式以后毫无头绪的文件类型:


image.png

这样就没办法了吗?No!
可以在DICOM状态读取它的模态信息提前把各个模态分好类再转格式。此时需要用到读取DICOM信息的函数。使用Matlab或者Python都可以。我这里使用的是pydicom包。

使用dicominfo('filename') 函数,比如:
使用如下命令可得到下图的信息,然后从SeriesDescription一栏读取扫描的该模态信息,比如这里是ep2d_bold_moco_p2:dicominfo('H:\xxx\xxx')

image.png


这是matlab读取出来的结果:


image.png

这是pydicom读取出来的结果:

import pydicom
filename = r"C://xxx//xxx.IMA"
dcm = pydicom.read_file(filename)
print(dcm)
image.png

会发现读出来是一样的,都包含了被试的很多信息。

就是这样,The fishing skill is over。之后再迭代吧。

20190107

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,233评论 6 495
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,357评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,831评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,313评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,417评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,470评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,482评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,265评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,708评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,997评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,176评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,827评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,503评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,150评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,391评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,034评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,063评论 2 352