如何对不同尺寸3D MRI图像执行中心裁剪以保留ROI区域

代码失效原因 #

原代码运行后返回原始尺寸，核心问题有三点：

• 核心裁剪、赋值逻辑全部被注释，循环内仅完成了图像读取、4维序列转3维的操作，没有实际执行裁剪步骤
• 逻辑顺序错误：统计全局图像尺寸、计算裁剪基准的代码被写在单张图像的处理循环内，未完成全量文件遍历就无法确定统一裁剪参数
• 分支逻辑不全：仅对4维格式的MRI做了降维处理，原生3维格式的MRI没有被纳入后续处理流程

3D MRI中心裁剪可行方案 #

针对尺寸不统一的3D MRI批量中心裁剪，按业务场景分两类处理逻辑：

• 场景1：需要所有图像裁剪后尺寸完全一致，用于后续模型训练、批量统计
  先遍历全量文件统计所有图像的三维尺寸，取三个维度的最小值作为统一裁剪尺寸（禁止取最大值，否则尺寸小于最大值的图像无法填充出对应大小的数组），再逐张计算中心偏移量完成切片裁剪
• 场景2：不需要统一输出尺寸，仅需保留单张图像中心固定比例的ROI
  无需提前遍历全量文件，逐张读取图像后按预设的保留比例计算单张图的裁剪范围，直接切片即可

修正代码示例 #

import glob
import numpy as np
import nibabel as nib

# 替换为你的MRI文件存储路径，建议明确文件后缀（如.nii、.nii.gz）避免读到无关文件
path1 = r"your_mri_file_dir/*.nii.gz"
img_list = sorted(glob.glob(path1))
all_shapes = []

# 第一轮遍历：统计所有有效3D图像的尺寸
for img_path in img_list:
    img = nib.load(img_path)
    img_data = img.get_fdata()
    # 4维序列（如带时间维度的fMRI、多模态堆叠数据）取第一个通道转3维
    if len(img_data.shape) == 4:
        img_data = img_data[:, :, :, 0]
    all_shapes.append(img_data.shape)

# 计算统一裁剪尺寸：取各维度最小值，保证所有图像都能裁出对应大小的中心区域
crop_size = np.min(np.array(all_shapes), axis=0).astype(int)
print(f"所有图像统一裁剪为尺寸：{crop_size}")

# 第二轮遍历：逐张执行中心裁剪
for img_path in img_list:
    img = nib.load(img_path)
    img_data = img.get_fdata()
    img_affine = img.affine  # 保留原始空间仿射矩阵，保存时必须用到
    # 4维数据转3维
    if len(img_data.shape) == 4:
        img_data = img_data[:, :, :, 0]
    h, w, d = img_data.shape
    ch, cw, cd = crop_size
    # 计算各维度裁剪起始坐标
    start_h = (h - ch) // 2
    start_w = (w - cw) // 2
    start_d = (d - cd) // 2
    # 数组切片直接得到裁剪结果，无需提前创建全零数组
    cropped_data = img_data[start_h:start_h+ch, start_w:start_w+cw, start_d:start_d+cd]
    
    # 按需添加保存逻辑，示例如下：
    # cropped_img = nib.Nifti1Image(cropped_data, img_affine)
    # save_path = img_path.replace(".nii.gz", "_cropped.nii.gz")
    # nib.save(cropped_img, save_path)
    print(f"文件{img_path}裁剪后尺寸：{cropped_data.shape}")

注意事项 #

• 新版nibabel已经弃用get_data()方法，读取图像数组请使用get_fdata()
• 裁剪后保存NIfTI格式文件时，必须保留原始图像的affine空间变换矩阵，否则图像的空间定位信息会丢失，后续配准、标注映射操作都会出错
• 如果不需要统一输出尺寸，仅保留每张图中心固定比例区域（比如中心80%），可以删掉第一轮遍历统计尺寸的逻辑，在逐张处理时直接按crop_size = (np.array(img_data.shape)*0.8).astype(int)计算单张图的裁剪尺寸即可
• 如果你的ROI不是中心对称区域，直接将代码中计算得到的起止切片坐标替换为人工标注/算法检测得到的ROI坐标即可

内容的提问来源于stack exchange，提问作者Mrmr