数据处理:RT转NII

0.需要使用的软件及版本

3D Slicer 5.4.0，mimics20.0，Photoshop，Python。

1.RT格式的文件通过3D Slicer转换成vtm格式

  软件版本：3D Slicer 5.4.0。
  安装完3D Slicer之后需要安装一个SlicerRT的扩展程序插件。
  具体步骤：
  ①View -> Extensions Manager。

  ②install Extensions -> 搜索”SlicerRT"，点击"install"。

  安装完之后，在Manage Extersions中，就可以看到已经安装好的插件。

PS：还有一个插件的包，直接本地安装，装完之后也可以查看RT文件。不知道有没有用，都装着吧。

  数据处理：
  打开 3D Slicer，打开RT文件（File->Add Data->Choose File to Add），Description选择”DICOM import“。

  选择RT格式的文件载入。

  左侧面板的Loaded data就会显示已经加载进来的标签。

  上面的modules选择”Segmentation“模式，点击"show 3D"，右侧就会出现标签的3D效果图。

  导出标签的vtm文件：File->Save Data，只选择segmentation进行保存，文件格式选择.vtm，可以修改存放vtm文件的路径，点击save。

  可以得到一个.vtm文件，和一个包含所有标签的.vtp文件的文件夹。

2.vtm通过3D Slicer转换成stl格式

  打开3D Slicer，File->Add Data-Choose File to Add，选择要导入的.vtm文件，Description选择"Segmentation"模式，点击OK。

  此时的场景就创建好了。

  将需要的标签的可视化打开（就是边上有个小眼睛），右击鼠标，选择"Export visible segments to models"。

  生成了刚刚所选标签导出的模型。

  保存文件：File->Save Data（或者 Ctrl+S)，可以直接进行文件的命名，文件格式（File Format)选择.stl格式，也可以修改文件的保存路径，点击Save。

  生成了导出的stl文件。

3.stl通过mimics转换成bmp图片

  软件版本：mimics20.0。
  打开mimics，File->New Project，打开需要进行标签配对的的CT图像文件夹，点击next，在弹出的窗口点击convert，接着点击OK。

  导入STL文件：File->Import->STL。鼠标右击导入的STL，点击“Calculate Mask from Object”。

  点击"Apply"。

  此时标签跟CT图像对应上了，我们只保留标签信息。
  View -> 2D Viewports -> Mask Shade -> Binary。

  将mask的颜色改成白色，方便后面的格式转化。

  导出BMP文件：File->Export->BMP/JPEG，选择Axial视角的图像，范围"all"，文件类型"bmp"，自定义bmp文件保存路径，点击"Apply"。

4.通过PS将bmp文件二值化

  ①打开”动作“面板：视图-动作。
  ②添加已经创建好的动作：在“动作”面板中，点击右上角的菜单栏（三条横线的图标），然后选择“载入动作”，选择已经创建好的动作载入。

  ③批处理：文件->自动->批处理，选择载入的动作，选择要处理的.bmp图片所在的文件夹，选择导出的文件夹位置，随后一直按Enter键就可以输出处理好的bmp图片了。

5.BMP2NII：交给代码处理

附上代码。

from PIL import Image
import numpy as np
import SimpleITK as sitk
import os

# 定义基础文件夹路径
base_folder = r"D:\Data\data processing"
bmp_folser = os.path.join(base_folder, "3.bmp_new")

# 获取基础文件夹下的所有文件夹
subfolders = [f for f in os.listdir(bmp_folser) if os.path.isdir(os.path.join(bmp_folser, f))]

for subfolder in subfolders:
    print(f"Processing folder: {subfolder}")

    # 定义输入和输出文件夹路径
    input_folder_bmp = os.path.join(base_folder, f"3.bmp_new\{subfolder}")
    output_folder_bmp = os.path.join(base_folder, f"3.bmp2\{subfolder}")
    output_folder_nii = os.path.join(base_folder, f"4.NII\{subfolder}")
    output_file_label = os.path.join(base_folder, f"5.Label_new\{subfolder}_label.nii")

    try:
        # 创建输出文件夹（如果不存在）
        os.makedirs(output_folder_bmp, exist_ok=True)
        os.makedirs(output_folder_nii, exist_ok=True)

        # 获取输入文件夹中所有bmp文件的路径
        bmp_files = [f for f in os.listdir(input_folder_bmp) if f.endswith('.bmp')]

        # 循环处理每个bmp文件
        for bmp_file in bmp_files:
            bmp_path = os.path.join(input_folder_bmp, bmp_file)

            try:
                # 打开bmp文件
                image = Image.open(bmp_path)

                # 等比例缩放到512x512
                new_size = (512, 512)
                image = image.resize(new_size, Image.LANCZOS)

                # 将图像转换为1位图像（单色位图）
                image = image.convert('1')

                # 构造输出文件的路径
                output_path_bmp = os.path.join(output_folder_bmp, os.path.splitext(bmp_file)[0] + '_1bit.bmp')

                # 保存为1位图像
                image.save(output_path_bmp)

                # 读取BMP文件
                bmp_image = np.array(image)

                # 将数据转换为uint8
                bmp_image = bmp_image.astype(np.uint8)

                # 将numpy数组转换为SimpleITK图像类型
                sitk_image = sitk.GetImageFromArray(bmp_image)

                # 构造输出文件名
                output_file_nii = os.path.join(output_folder_nii, os.path.splitext(bmp_file)[0] + '.nii')

                # 保存图像为NII格式
                sitk.WriteImage(sitk_image, output_file_nii)
            except Exception as e:
                print(f"Error processing file {bmp_file}: {e}")

        # 处理Label NII文件
        # 获取输入文件夹中所有NII文件的路径
        nii_files = [os.path.join(output_folder_nii, f) for f in os.listdir(output_folder_nii) if f.endswith('.nii')]

        # 创建一个空的SimpleITK图像列表
        sitk_images = []

        # 循环处理每个NII文件
        for nii_file in nii_files:
            # 读取NII文件并将其添加到列表中
            try:
                sitk_image = sitk.ReadImage(nii_file)
                sitk_images.append(sitk_image)
            except Exception as e:
                print(f"Error reading NII file {nii_file}: {e}")

        # 使用SimpleITK的JoinSeries函数将图像列表合并为一个4D图像
        output_image = sitk.JoinSeries(sitk_images)

        # 设置所需的Voxel Spacing和Origin
        desired_spacing = [1.03711, 1.03711, 5.0]
        desired_origin = [-265.5, -207.5, -833.0]
        output_image.SetSpacing(desired_spacing)
        output_image.SetOrigin(desired_origin)

        # 保存输出图像
        output_label_path = os.path.join(base_folder, f"5.Label\{subfolder}_label.nii")
        sitk.WriteImage(output_image, output_label_path)

        print(f"Processing completed for folder: {subfolder}")
    except Exception as ex:
        print(f"Error processing folder {subfolder}: {ex}")

print("All folders processed.")