NiftyNet

1. 安装

NiftyNet 基于 Tensorflow，所以首先要安装 Tensorflow：

conda create -n niftynet python=3.5
conda install tensorflow-gpu==1.2   # for TensorFlow with GPU support
conda install tensorflow==1.2  # for CPU-only TensorFlow

安装 NiftyNet：

（1）直接用 pip 命令安装：

pip install niftynet

（2）从 github 安装：

git clone https://github.com/NifTK/NiftyNet.git

# installing dependencies from the list of requirements
cd NiftyNet/
pip install -r requirements-gpu.txt # for TensorFlow with GPU support
pip install -r requirements-cpu.txt # for CPU-only TensorFlow

也可以直接下载压缩包解压到本地：download the code

2. 测试

安装好以后可以运行一个小 Demo，用 NiftyNet 自带的模型和数据运行一个分割任务。

如果用 pip 安装，那么执行以下命令：

（1）下载模型和权重

先用 net_download 进行下载，然后用 net_segment 执行分割任务

net_download dense_vnet_abdominal_ct_model_zoo
net_segment inference -c ~/niftynet/extensions/dense_vnet_abdominal_ct/config.ini

（2）查看结果

分割的输出结果在 ~/niftynet/models/dense_vnet_abdominal_ct/segmentation_output/文件夹里，可以看到一个名叫 100__niftynet_out.nii.gz 的文件，用 matlab 或者 python 都可以读取。

如果用第二种方法安装，执行以下命令：

# go to the source code directory
cd NiftyNet/
python net_download.py dense_vnet_abdominal_ct_model_zoo
python net_segment.py inference -c ~/niftynet/extensions/dense_vnet_abdominal_ct/config.ini

.nii 文件的处理

1. NIFTI

.nii 文件是 NIFTI 格式的文件，出现的原因是原来一种图像格式是 ANALYZE 7.5 format，但是这个图像格式缺少一些信息（比如没有方向信息，病人的左右方位等），如果需要包括额外的信息，就需要一个额外的文件，比如 ANALYZE7.5 就需要一对 <.hdr, .img> 文件来保存图像的完整信息。因此，为了解决这个问题，Data Format Working Group (DFWG) 将完整的图像格式定义为 NIFTI（Neuroimaging Informatics Technology Initiative）。

2. 利用 matlab 读取 .nii 文件

首先下载 matlab 相关工具包：Tools for NIfTI and ANALYZE image

将 NIfTI_20140122 工具包放在 ~\MATLAB\toolbox 文件夹下，然后进入 Matlab，添加工具包路径：



添加完成并保存后，更新 Matlab 工具包：


这样就可以正常使用 NIfTI 工具包了。

Matlab 代码：用于提取并查看 .nii 数据

close all;
clear all;
clc;

% 加载.nii数据
nii = load_nii( 'data.nii' );

% 加载图像数据
img = nii.img;  % 因为nii文件有img和head两个部分，其中img部分是图像数据

% 将数据变成mat格式
save image.mat img

% 加载数据
load 'image.mat'

% 获取.nii文件的三个维度
[n1, n2, n3] = size(img);  % 一般1、2维是图像维度，第3维是切片

% 显示第100个切片的图像
% imshow(img(:,:,100),[]);  

% 显示所有图像
for i = 1:n3   % 开始切片数据轮寻
    figure(i)   % 开始显示图片
    ti = imshow(img(:,:,i),[]);  % 显示每一张切片图像
    pause(0.1);  % 防止显示过快看不见，简单延时
end

对比着看一下自带数据包里的原图，标签以及分割结果：

nii = load_nii('100__niftynet_out.nii');
img = nii.img;
save image.mat img
load 'image.mat'
[n1, n2, n3] = size(img);

CT = load_nii('100_CT.nii');
img_ct = CT.img;
save ct.mat img_ct
load 'ct.mat'
[c1, c2, c3] = size(img_ct);

label = load_nii('100_Label.nii');
img_l = label.img;
save label.mat img_l
load 'label.mat'
[l1, l2, l3] = size(img_l);

figure(1)
subplot(1,3,1);
imshow(img_ct(:,:,100), []), title('原图');
subplot(1,3,2);
imshow(img_l(:,:,100), []), title('标签');
subplot(1,3,3);
imshow(img(:,:,100), []), title('分割结果');

3. NIfTI 工具包的常用命令

load_nii：加载 N 维的 NIfTI 文件（N 可以是 3 - 7）
make_nii：生成 N 维的 NIfTI 结构文件，结合 load_nii 命令可以将生成的结构保存为 NIfTI 文件
save_nii：将通过 load_nii 命令加载的或通过 make_nii 生成的数据保存为 N 维的 NIfTI 结构文件