如何使用COBRE数据集Nifti文件构建CNN模型？

1. 批量Nifti文件加载、转模型输入格式方法 #

很多人对Nilearn的功能有误解：nilearn.image.load_img()并非仅支持单文件加载，传入文件路径列表即可批量读取Nifti数据，完全可以满足100例样本的批量处理需求。
具体处理流程如下：

• 第一步：遍历数据集根目录，收集所有.nii文件的完整路径，存为排序后的路径列表，保证后续处理顺序和标签顺序对齐
• 第二步：统一做预处理，所有样本必须用完全一致的预处理参数，否则会出现空间不对齐、分布偏移的问题：
  • 所有图像配准到MNI152标准模板
  • 重采样到相同的空间分辨率与尺寸
  • 做颅骨剥离，去除非脑组织的背景区域
  • 做信号强度归一化（z-score标准化或者缩放到0~1区间）
• 第三步：根据你用的CNN类型转成对应输入格式：
  • 用3D CNN：预处理完的3D脑体积直接补一个通道维度，最终所有样本拼成形状为(样本数, 通道数, x, y, z)的张量即可输入
  • 用2D CNN：按统一规则切分2D切片后，拼成形状为(切片样本数, 通道数, x, y)的张量即可
• 存储建议：100例样本的数据量不大，预处理完可以直接存为.npy或者.h5格式，训练时直接加载即可；如果后续要扩容数据集，可以直接写PyTorch/TensorFlow的自定义Dataset类，在线读取+预处理，不用一次性把所有数据读进内存。

批量处理参考代码：

import os
import glob
import numpy as np
import pandas as pd
from nilearn import image, datasets

# 加载标准MNI152模板作为配准参考
target_template = datasets.load_mni152_template()

# 收集所有nii文件路径
nii_root = "./cobre_raw"  # 替换为你的数据集存储路径
file_list = sorted(glob.glob(os.path.join(nii_root, "**/*.nii"), recursive=True))

all_img_arr = []
for file_path in file_list:
    # 加载单例图像
    img = image.load_img(file_path)
    # 配准重采样到标准模板空间
    resampled_img = image.resample_to_img(img, target_template, interpolation="continuous")
    # 转numpy数组
    img_arr = resampled_img.get_fdata()
    # 强度z-score归一化
    img_arr = (img_arr - img_arr.mean()) / img_arr.std()
    all_img_arr.append(img_arr)

# 拼接为(样本数, x, y, z)格式的数组，后续按需加通道维度
all_data = np.stack(all_img_arr, axis=0)

2. 切片选取规则 #

不需要默认只选中间位置的单张切片，切片选择完全匹配你的任务类型即可，核心原则是所有样本必须用完全一致的切片索引规则：

• 首先先过滤无效切片：每个Nifti文件首尾的切片大多是无脑组织的纯背景，你可以遍历每个切片的非零像素占比，把占比低于阈值（比如<10%）的切片直接排除，剩下的就是包含有效脑组织的切片区间，150张原始切片一般能筛出80~100张有效切片。
• 如果用2D CNN做疾病分类，三种常用选法：
  • 计算资源有限时：选取有效区间内覆盖研究相关核心脑区的10~20张切片（比如COBRE是精神分裂症数据集，优先选覆盖颞叶、海马、前额叶的切片），不要只选1张中间切片，单张切片包含的信息太少，模型极易过拟合
  • 追求效果时：把所有有效切片都作为独立训练样本，每个切片继承对应受试者的标签，训练时做切片级分类，推理时把同一个受试者所有切片的预测结果做多数投票，得到最终的受试者级分类结果，效果远好于单切片输入
  • 如果是特定脑区的针对性研究：直接选取对应脑区所在的切片位置即可
• 如果用3D CNN：不需要单独选切片，把预处理完的3D脑体积裁掉边缘全零区域后，缩放到模型要求的固定输入尺寸（比如64×64×64、128×128×128）即可输入，能保留全部空间信息。

有效切片筛选参考代码：

def get_valid_slices(img_arr, threshold=0.1):
    valid_z_idx = []
    z_total = img_arr.shape[-1]
    for z in range(z_total):
        slice_data = img_arr[:, :, z]
        valid_ratio = np.count_nonzero(slice_data) / slice_data.size
        if valid_ratio > threshold:
            valid_z_idx.append(z)
    return valid_z_idx[0], valid_z_idx[-1] # 返回有效切片的起止索引，所有样本统一用这个区间

3. 标签配置方法 #

mask文件仅用于脑区分割、ROI信号提取等任务，和分类标签的配置完全无关，不需要依赖mask打标签。
标签配置的具体方法：

• COBRE是公开的精神分裂症数据集，每个受试者的诊断标签（健康对照/精神分裂症患者）在数据集配套的元数据文件里已经给出，你只需要把Nifti文件名里的受试者ID提取出来，和元数据里的ID做匹配，就能拿到每个文件对应的标签。
• 非常推荐用CSV文件存储路径-标签映射关系，CSV只需要两列：
  • file_path：存储每个.nii文件的完整绝对路径
  • label：存储对应标签，比如健康对照标0，患者标1
    后续不管做预处理还是写数据集加载逻辑，直接读取这个CSV就能拿到对应关系，不会出现标签错配的问题。

标签CSV生成参考代码：

# 提前整理元数据里的受试者ID-标签对应关系，示例如下
id_label_map = {
    "sub0001": 0,
    "sub0002": 1,
    # 补全所有受试者的对应关系即可
}

csv_records = []
for file_path in file_list:
    # 从文件名提取受试者ID，根据你自己的文件名命名规则调整截取逻辑
    file_name = os.path.basename(file_path)
    sub_id = file_name.split("_")[0]
    csv_records.append({
        "file_path": file_path,
        "label": id_label_map[sub_id]
    })

# 存储为CSV文件
pd.DataFrame(csv_records).to_csv("./cobre_label_map.csv", index=False)

推荐学习资源 #

• Nilearn官方文档中的神经影像机器学习章节，包含批量处理、特征提取、模型训练的完整流程示例，不要仅参考单文件可视化部分的内容
• 你所用深度学习框架（PyTorch/TensorFlow）的自定义Dataset实现教程，掌握自定义数据加载逻辑后可以适配任意格式的数据集
• 开源的3D CNN脑疾病分类实操项目，重点参考其数据加载、预处理部分的实现逻辑，不需要从零开始踩坑

内容的提问来源于stack exchange，提问作者Ashima Tyagi