如何用Python NumPy读取多幅3D图像并调整数组维度适配模型输入

你当前拼接得到的数组维度顺序为(batch_size, 模态通道数, 深度, 高度, 宽度)，模型要求的输入维度顺序为(batch_size, 深度, 高度, 宽度, 模态通道数)，本质是通道维度的位置不对，同时原有拼接逻辑存在顺序反转、效率低的问题，按下面方法调整即可。

方法1：直接修改加载逻辑（推荐） #

不要用前置np.append的方式拼接数组，改用列表暂存每个模态处理后的影像，最后直接在最后一个轴堆叠，单样本输出形状直接为(365, 256, 256, 3)，经DataLoader组batch后自然得到(batch_size, 365, 256, 256, 3)的符合要求的形状，同时不会出现模态顺序反转的问题。
修正后的完整代码如下：

def Load_function(path):
    f_img = nib.load(path)
    img_data = f_img.get_fdata()
    return img_data


def __load__(self, id_name):
    image_path = os.path.join(self.path, id_name)
    image_list = []
    ## 逐张读取3个模态的影像
    for imname in ["image2B.nii.gz", "image1to2_nlB.nii.gz", "diffFSL.nii.gz"]:
        img = Load_function(os.path.join(image_path, imname))
        img = resize_data(img)
        ## 归一化
        img = img / np.percentile(img, 99.5)
        image_list.append(img)
    ## 在最后一个维度拼接3个模态通道
    image = np.stack(image_list, axis=-1)
          
    ## 读取掩码
    mask = Load_function(os.path.join(image_path, "ground_truth.nii.gz"))
    mask = resize_data(mask)
    
    return image, mask

方法2：对已生成的错误形状数组做维度转换 #

如果你不想修改现有加载逻辑，已经拿到了形状为(2, 3, 365, 256, 256)的批量数组，只需要加一行代码移动维度位置即可：

# 将位置为1的通道维度，移动到数组最后一位
image = np.moveaxis(image, source=1, destination=-1)

转换后数组形状直接变为(2, 365, 256, 256, 3)，完全匹配模型输入要求。

原有代码问题说明 #

• 每次执行np.append(img[np.newaxis, ...],image, axis=0)会把新读取的影像插到数组最前端，最终3个模态的存储顺序和读取顺序相反
• 拼接时把通道维度放在了batch维之后、空间维之前，不符合模型通道维居尾的格式要求
• 循环中反复用np.append拼接数组会反复开辟新内存，加载效率很低

内容的提问来源于stack exchange，提问作者Ehsan Alavi