python医学影像2Ddicom文件转成3Dnii文件(保留原始dicom信息)

最近处理医院影像数据时,遇到的需求:把预处理后的MRI影像的每个序列的所有dicom文件保存成nii文件,并且要保留原始的dicom信息

预处理后的MRI影像序列

image.png

每个序列下有多张dicom文件

image.png
Python代码:把每个序列的所有dicom文件保存成nii文件,并保留原始的tag信息

导入需要的包

#edited by NickYu 2020.10.23
import numpy as np
import SimpleITK as sitk
import pydicom 
import h5py
import os
import nibabel as nib
import dicom2nifti

定义函数


def dicom2Nii(folderPath,savefolder):
    '''
    dicom序列转成3维的nii文件,并保留原始的dicom元数据信息
    '''
    count_study = 0
    for every_study in os.listdir(folderPath):#遍历所有的病历号
        count_study +=1
        tmp_MR_path = os.path.join(folderPath,every_study,'MR')#DWI ,T2等
        _save_path =os.path.join(savefolder,every_study,'MR2Nii')
        for every_MRI in os.listdir(tmp_MR_path):#每个病历号下面可能有多次MRI
            tmp_MRI_path = os.path.join(tmp_MR_path,every_MRI)
            tmp_save_path = os.path.join(_save_path,every_MRI)
            if not os.path.exists(tmp_save_path):
                os.makedirs(tmp_save_path)
            all_Series_path = os.listdir(tmp_MRI_path)
            #print(all_Series_path) #['DCE00001', 'DCE00002', 'DCE00003', 'DCE00004', 'DCE00005', 'DCE00006']
            for every_DCE_series in  all_Series_path:
                #print(every_DCE_series) # DCE00001
                all_dicoms = os.path.join(tmp_MRI_path,every_DCE_series)
                
                #print(all_dicoms)
                # path_read:读取dicom的文件路径  path_save:保存nii的文件路径
                def dcm2nii(path_read, path_save):# from CSDN;function: transfer dcm_series into nii file
                    # GetGDCMSeriesIDs读取序列号相同的dcm文件
                    series_id = sitk.ImageSeriesReader.GetGDCMSeriesIDs(path_read)
                    # GetGDCMSeriesFileNames读取序列号相同dcm文件的路径,series[0]代表第一个序列号对应的文件
                    series_file_names = sitk.ImageSeriesReader.GetGDCMSeriesFileNames(path_read, series_id[0])
                    #print(len(series_file_names))  #11
                    series_reader = sitk.ImageSeriesReader()
                    series_reader.SetFileNames(series_file_names)
                    image3d = series_reader.Execute()
                    sitk.WriteImage(image3d, path_save)
                path_save = tmp_save_path + "\\"+every_DCE_series+".nii"
                if os.path.exists(path_save):
                    continue
                dcm2nii(all_dicoms, path_save) #调用函数执行

定义待读取文件夹路径和nii文件存储路径

if __name__ =="__main__":
    folderPath =r"G:\cut_SkinData_Copy\Cut_Skin"
    savefolder = r"G:\2020.10.cut_Skin_DATA(nii)"
    dicom2Nii(folderPath,savefolder)
说明:本文为原创文章,转载或引用请注明网址;欢迎一起学习交流,有不正确之处欢迎批评指正2210432548@qq.com
©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 199,830评论 5 468
  • 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 83,992评论 2 376
  • 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 146,875评论 0 331
  • 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 53,837评论 1 271
  • 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 62,734评论 5 360
  • 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 48,091评论 1 277
  • 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 37,550评论 3 390
  • 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 36,217评论 0 254
  • 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 40,368评论 1 294
  • 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 35,298评论 2 317
  • 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 37,350评论 1 329
  • 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 33,027评论 3 315
  • 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 38,623评论 3 303
  • 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 29,706评论 0 19
  • 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 30,940评论 1 255
  • 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 42,349评论 2 346
  • 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 41,936评论 2 341

推荐阅读更多精彩内容