如何用Python去除Nifti图像各切片中的床区以优化无监督分割

一、先定位床区特征 #

床区在医学图像里通常有明显特征：要么是均匀低信号（CT）要么是均匀高信号（MRI），且几乎所有切片里都处于边缘位置。先拿任意一张切片（比如中间层）的聚类结果可视化，确定床区对应的聚类标签——比如观察颜色条，边缘大面积区域对应的标签值就是床区标签。

二、批量处理所有切片的方法 #

方法1：基于聚类标签直接过滤（最直接） #

如果聚类已经把床区归为单独标签，直接把该标签设为背景即可：

import nibabel as nib
import numpy as np

# 加载数据
img = nib.load('your_raw_image.nii.gz')
img_data = img.get_fdata()  # 形状(512,512,299)
cluster_data = nib.load('your_cluster_result.nii.gz').get_fdata()

# 若聚类结果是单张切片（(512,512)），复制到所有层
if cluster_data.shape == (512,512):
    cluster_data = np.repeat(cluster_data[..., np.newaxis], 299, axis=2)

# 确定床区标签（比如可视化后发现是0）
bed_label = 0

# 过滤床区：将床区标签替换为背景值（比如0）
cleaned_cluster = np.where(cluster_data == bed_label, 0, cluster_data)
# 可选：同时在原图像上掩码掉床区
cleaned_img = np.where(cluster_data == bed_label, 0, img_data)

# 保存结果
nib.save(nib.Nifti1Image(cleaned_cluster, img.affine, img.header), 'cleaned_cluster.nii.gz')
nib.save(nib.Nifti1Image(cleaned_img, img.affine, img.header), 'cleaned_raw_image.nii.gz')

方法2：基于图像强度阈值过滤（聚类没区分开床区时用） #

如果聚类没单独分出床区，直接用原图像的强度特征过滤：

for slice_idx in range(299):
    slice_raw = img_data[..., slice_idx]
    slice_cluster = cluster_data[..., slice_idx]
    # 取切片强度的5百分位作为阈值（床区通常低于该值，可根据图像调整）
    threshold = np.percentile(slice_raw, 5)
    # 掩码掉低强度的床区
    slice_cluster[slice_raw < threshold] = 0
    cluster_data[..., slice_idx] = slice_cluster

方法3：基于形态学/连通区域分析（床区是边缘大块区域时用） #

如果床区是边缘的大面积区域，保留中心最大的连通区域（对应人体组织）即可：

from skimage.measure import label
from skimage.morphology import remove_small_objects

for slice_idx in range(299):
    slice_cluster = cluster_data[..., slice_idx]
    # 转二进制掩码（非背景区域）
    binary_mask = slice_cluster != 0
    # 标记所有连通区域
    labeled_regions = label(binary_mask)
    # 计算每个区域的面积
    region_areas = np.bincount(labeled_regions.flatten())
    # 找到面积最大的区域（排除背景标签0）
    max_region_label = region_areas[1:].argmax() + 1
    # 只保留最大区域，其余设为0
    slice_cluster_clean = np.where(labeled_regions == max_region_label, slice_cluster, 0)
    cluster_data[..., slice_idx] = slice_cluster_clean

内容的提问来源于stack exchange，提问作者Manali Thakur