pyqt5实现nii文件叠加显示

        最近在做一个医学影像处理的项目，要求是使用pyqt5实现T1.nii文件和靶区文件的叠加显示。之前有web前端开发和一些python基础，pyqt5和医学影像文件（nii格式文件）处理都是第一次接触。趁着十一假期比较清闲，记录一下该功能实现的过程（pyqt5相关基础就不说了，B站很多新手教程）。

一、认识nii文件（包括如何使用python处理nii文件）

参考了如下文章

python 笔记：打开nii格式（nibabel 库）-CSDN博客

一文看懂如何用 Python 查看三维数据 (nii.gz格式) 的各种图像参数_.nii.gz-CSDN博客

【医学影像数据处理】nii 数据格式文件操作汇总_nii文件-CSDN博客

MRI脑影像分析——多种工具实现Nifti(*.nii)文件读取、处理与写入——把小舞写进脑海里、6mm半高全宽高斯核平滑脑影像、NIFTI文件合并、算fMRI平均图像_dpabi生成的nii怎嘛打开-CSDN博客

BraTs数据集处理及python读取.nii文件-CSDN博客

二、python实现T1.nii文件和靶区文件的叠加显示

在这部分，我直接面向人工智能编程，它提供了如下代码，尝试了可以运行，效果不错。

import nibabel as nib
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.widgets import Slider

# 读取NIfTI文件
ti_img = nib.load('TI.nii')
target_img = nib.load('target.nii')

# 获取图像数据
ti_data = ti_img.get_fdata()
target_data = target_img.get_fdata()

# 确保两者数据形状相同
if ti_data.shape != target_data.shape:
    raise ValueError("两个NIfTI图像的形状不一致，请检查.")

# 图像维度
x_dim, y_dim, z_dim = ti_data.shape

# 创建图形和子图
fig, axs = plt.subplots(1, 3, figsize=(15, 5))

# 设置滑块位置
ax_slider_x = plt.axes([0.2, 0.01, 0.6, 0.03])  # X轴滑块
ax_slider_y = plt.axes([0.2, 0.05, 0.6, 0.03])  # Y轴滑块
ax_slider_z = plt.axes([0.2, 0.09, 0.6, 0.03])  # Z轴滑块

# 创建滑块
slider_x = Slider(ax_slider_x, 'X', 0, x_dim - 1, valinit=x_dim // 2, valstep=1)
slider_y = Slider(ax_slider_y, 'Y', 0, y_dim - 1, valinit=y_dim // 2, valstep=1)
slider_z = Slider(ax_slider_z, 'Z', 0, z_dim - 1, valinit=z_dim // 2, valstep=1)

# 用于更新显示函数
def update_images(val):
    x_idx = int(slider_x.val)
    y_idx = int(slider_y.val)
    z_idx = int(slider_z.val)

    # 清空子图，然后重绘
    for ax in axs:
        ax.clear()
    
    # 提取三个切片
    ti_slice_x = ti_data[x_idx, :, :]
    target_slice_x = target_data[x_idx, :, :]

    ti_slice_y = ti_data[:, y_idx, :]
    target_slice_y = target_data[:, y_idx, :]

    ti_slice_z = ti_data[:, :, z_idx]
    target_slice_z = target_data[:, :, z_idx]

    # 绘制剖面
    axs[0].imshow(ti_slice_x, cmap='gray', alpha=0.5)
    axs[0].imshow(target_slice_x, cmap='jet', alpha=0.5)
    axs[0].set_title(f'X Slice: {x_idx}')
    
    axs[1].imshow(ti_slice_y.T, cmap='gray', alpha=0.5)
    axs[1].imshow(target_slice_y.T, cmap='jet', alpha=0.5)
    axs[1].set_title(f'Y Slice: {y_idx}')
    
    axs[2].imshow(ti_slice_z.T, cmap='gray', alpha=0.5)
    axs[2].imshow(target_slice_z.T, cmap='jet', alpha=0.5)
    axs[2].set_title(f'Z Slice: {z_idx}')
    
    # 更新图像
    for ax in axs:
        ax.axis('off')
    
    plt.draw()

# 连接滑块与更新函数
slider_x.on_changed(update_images)
slider_y.on_changed(update_images)
slider_z.on_changed(update_images)

# 初次绘制
update_images(None)

plt.tight_layout()
plt.show()

 运行结果如下：

到现在为止，已经通过python实现了两个相同大小的nii文件的叠加显示。剩下的工作就是将上述功能集成到pyqt页面中显示。

三、在pyqt5页面中实现nii叠加功能（不另外弹出弹窗）

整体思路就是将上面的代码封装成几个函数，里面的数据替换成PYQT组件能读取和设置的值，然后绑定好组件和槽函数之间的调用关系即可。

1.默认加载T1图象

import nibabel as nib
import matplotlib.pyplot as plt
import pyqtgraph as pg
#默认加载T1图象
    def init_optional(self):
        global headModule_path
        ti_img = nib.load(headModule_path+'/T1.nii.gz')
        ti_data1 = ti_img.get_fdata()
        ti_data = np.flip(ti_data1, axis=1)  # 例如，翻转 X 轴

        self.ui.horizontalSlider.setMaximum(ti_data.shape[0])
        self.ui.horizontalSlider_2.setMaximum(ti_data.shape[1])
        self.ui.horizontalSlider_3.setMaximum(ti_data.shape[2])

        self.ui.horizontalSlider.setValue(round(ti_data.shape[0] / 2))
        self.ui.horizontalSlider_2.setValue(round(ti_data.shape[1] / 2))
        self.ui.horizontalSlider_3.setValue(round(ti_data.shape[2] / 2))

        # Set up matplotlib figure and canvas
        self.fig, self.axs = self.setup_matplotlib()
        self.canvas = FigureCanvas(self.fig)

        # Create horizontal layout in the central widget for the canvas
        layout = self.ui.verticalLayout_13
        layout.addWidget(self.canvas)  # Add the canvas to the layout
        self.update_images1(ti_data)
        self.ui.horizontalSlider.valueChanged.connect(lambda:self.update_images1(ti_data))
        self.ui.horizontalSlider_2.valueChanged.connect(lambda:self.update_images1(ti_data))
        self.ui.horizontalSlider_3.valueChanged.connect(lambda:self.update_images1(ti_data))
        plt.show()

2.setup_matplotlib函数

    def setup_matplotlib(self):
        # Create matplotlib figure and axes
        fig = Figure(figsize=(50,5))
        axs = [fig.add_subplot(2, 2, i + 1) for i in range(3)]
        fig.tight_layout()
        return fig, axs

3.update_images1函数

    def update_images1(self, ti_data):
        x_idx = self.ui.horizontalSlider.value()
        y_idx = self.ui.horizontalSlider_2.value()
        z_idx = self.ui.horizontalSlider_3.value()
        # Clear previous images
        for ax in self.axs:
            ax.clear()

        # Display slices
        self.axs[0].imshow(ti_data[x_idx, :, :], cmap='gray', alpha=0.5)
        self.axs[0].set_title(f'X Slice: {x_idx}')

        self.axs[1].imshow(ti_data[:, y_idx, :].T, cmap='gray', alpha=0.5)
        self.axs[1].set_title(f'Y Slice: {y_idx}')

        self.axs[2].imshow(ti_data[:, :, z_idx].T, cmap='gray', alpha=0.5)
        self.axs[2].set_title(f'Z Slice: {z_idx}')

        for ax in self.axs:
            ax.axis('off')
        self.canvas.draw()  # Refresh the canvas

4.选择需要叠加的nii文件（subject空间），进行叠加（update_images函数类似，不再重复了）

    def showpicture_subject(self):
        global headModule_path
        ti_img = nib.load(headModule_path + '/T1.nii.gz')
        target_img = nib.load(self.ui.label_46.text())
        ti_data1 = ti_img.get_fdata()
        target_data1 = target_img.get_fdata()

        ti_data = np.flip(ti_data1, axis=1)  # 例如，翻转 X 轴
        target_data = np.flip(target_data1, axis=1)  # 例如，翻转 X 轴

        if ti_data.shape != target_data.shape:
            raise ValueError("两个NIfTI图像的形状不一致，请检查.")
        print(ti_data.shape)
        print(target_data.shape)

        self.ui.horizontalSlider.setMaximum(ti_data.shape[0])
        self.ui.horizontalSlider_2.setMaximum(ti_data.shape[1])
        self.ui.horizontalSlider_3.setMaximum(ti_data.shape[2])

        self.ui.horizontalSlider.setValue(round(ti_data.shape[0]/2))
        self.ui.horizontalSlider_2.setValue(round(ti_data.shape[1]/2))
        self.ui.horizontalSlider_3.setValue(round(ti_data.shape[2]/2))

        self.update_images(ti_data,target_data)
        self.ui.horizontalSlider.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        self.ui.horizontalSlider_2.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        self.ui.horizontalSlider_3.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        #plt.tight_layout()
        plt.show()

5. 选择需要叠加的nii文件（MNI空间），进行叠加（update_images函数类似，不再重复了）

import SimpleITK as sitk
#叠加MNI空间靶区/靶网络nii文件时，调用此函数
    def showpicture_MNI(self):
        global headModule_path
        ti_img = sitk.ReadImage(headModule_path + '/MNI152_T1_1mm.nii.gz')  
        target_img = sitk.ReadImage(self.ui.label_46.text())
        t1_spacing = ti_img.GetSpacing()

        # 重采样分割图像，使其和 T1 图像大小一致
        resampler = sitk.ResampleImageFilter()
        resampler.SetSize(ti_img.GetSize())
        resampler.SetOutputSpacing(t1_spacing)
        resampler.SetOutputOrigin(ti_img.GetOrigin())
        resampler.SetOutputDirection(ti_img.GetDirection())
        resampler.SetDefaultPixelValue(0)  # 如果在重采样时出现空值，使用 0 填充

        # 使用线性插值进行重采样
        resampler.SetInterpolator(sitk.sitkNearestNeighbor)  # 分割图通常用邻近插值
        resampled_seg_image = resampler.Execute(target_img)

        # 将图像转换为 numpy 数组
        ti_data1 = sitk.GetArrayFromImage(ti_img)
        target_data1 = sitk.GetArrayFromImage(resampled_seg_image)
        ti_data = np.flip(ti_data1, axis=0)  # 例如，翻转 X 轴
        target_data = np.flip(target_data1, axis=0)  # 例如，翻转 X 轴
        self.ui.horizontalSlider.setMaximum(ti_data.shape[0])
        self.ui.horizontalSlider_2.setMaximum(ti_data.shape[1])
        self.ui.horizontalSlider_3.setMaximum(ti_data.shape[2])

        self.ui.horizontalSlider.setValue(round(ti_data.shape[0]/2))
        self.ui.horizontalSlider_2.setValue(round(ti_data.shape[1]/2))
        self.ui.horizontalSlider_3.setValue(round(ti_data.shape[2]/2))

        self.update_images(ti_data,target_data)
        self.ui.horizontalSlider.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        self.ui.horizontalSlider_2.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        self.ui.horizontalSlider_3.valueChanged.connect(lambda:self.update_images(ti_data,target_data))
        #plt.tight_layout()
        plt.show()

四、总结

在叠加两个nii图像时，发现python的nibabel库更简单易用，适合处理同在subject空间大小相同的nii文件（即两个nii文件的fdata.shape相同），但如果需要对大小不同的两个nii文件（同属MNI空间）图像的拉伸、重采样和插值等操作时，最好使用SimpleITK库，功能更完善。