NIfTI文件转JPG预处理方法及操作合理性咨询

import os
import nibabel as nib
from PIL import Image
import numpy as np

def convert_nifti_to_jpeg(nifti_file, output_dir, dpi=300, output_size=(300, 300)):
    # 加载NIfTI文件
    img = nib.load(nifti_file)
    data = img.get_fdata()

    # 遍历所有切片并保存为JPEG图像
    for i in range(data.shape[2]):
        # 提取2D切片
        slice_data = data[:, :, i]

        # 将像素值归一化到0-255（适配uint8编码）
        min_val = np.nanmin(slice_data)
        max_val = np.nanmax(slice_data)

        # 处理除零或NaN值情况
        if min_val == max_val:
            normalized_slice = np.zeros_like(slice_data)
        else:
            normalized_slice = ((slice_data - min_val) / (max_val - min_val) * 255).astype('uint8')

        # 从numpy数组创建PIL图像
        image = Image.fromarray(normalized_slice)

        # 转换为灰度模式('L')
        image = image.convert('L')

        # 将图像调整为指定尺寸
        image = image.resize(output_size)

        # 定义输出文件路径
        output_file = os.path.join(output_dir, f'slice_{i}.jpg')

        # 以指定DPI保存为JPEG格式
        image.save(output_file, format='JPEG', dpi=(dpi, dpi))

我已经实现了将NIfTI文件转换为JPG图像用于模型训练的操作，但有个疑问：其他切片是否包含重要信息？不过我确认过，这些切片都无法显示完整的脑部结构。

每位患者对应4种不同模态的NIfTI文件：

• Flair
• T2
• T1
• T1ce

将单份NIfTI文件转换为2D切片后，共得到155张切片，其中仅第78张能显示完整脑部，因此我只提取了这一层MRI图像。

考虑到T1ce是T1的增强形式，我决定忽略T1模态，转而将以下三种模态合并为多通道图像用于模型训练：

• Flair
• T1ce
• T2w

合并后的多通道MRI图像效果如下：
（图像呈现了三种模态融合后的完整脑部MRI结构，各模态特征在通道中得到保留）

内容的提问来源于stack exchange，提问作者Talha Imran