本分享为脑机学习者Rose整理发表于公众号：脑机接口社区(微信号：Brain_Computer).QQ交流群：903290195
3D和4D niimgs:处理和可视化
第一步：加载数据
from nilearn import datasets
import warnings
warnings.filterwarnings("ignore")
print('Datasets are stored in: %r' % datasets.get_data_dirs())
motor_images = datasets.fetch_neurovault_motor_task()
print(motor_images.images)
tmap_filename = motor_images.images[0]
第二步：可视化
# 我们将3D数据，可视化为统计图
from nilearn import plotting
plotting.plot_stat_map(tmap_filename)
"""
# 设置阈值来绘制效果图
这里的阈值设置为3
threshold=3
"""
plotting.plot_stat_map(tmap_filename, threshold=3)
可视化4D文件
rsn = datasets.fetch_atlas_smith_2009()['rsn10']
print(rsn)
"""
查看4D图片的形状
"""
from nilearn import image
print(image.load_img(rsn).shape)
(91, 109, 91, 10)
"""
获取第一组数据(卷)
python中索引从0开始
"""
first_rsn = image.index_img(rsn, 0)
print(first_rsn.shape)
(91, 109, 91)
"""
绘制第一组数据
"""
plotting.plot_stat_map(first_rsn)
"""
循环绘制4D文件中的所有组(卷)-volumes
"""
for img in image.iter_img(rsn):
# img is now an in-memory 3D img
plotting.plot_stat_map(img, threshold=3,
display_mode="z",
cut_coords=1,
colorbar=False)
脑机学习者Rose笔记分享,QQ交流群：903290195
更多分享，请关注公众号