首先,在所需的图像可视化软件中打开图像,然后打开掩模,以验证所有 CT、质子和氙气文件的图像和掩模方向是否匹配。然后,将图像 DICOMS 和单标签掩码作为 NIfTI 文件保存在与 reg. py 文件相同的文件夹中。
对于 CT 氙气 MRI 配准,请在所需的 Python 计算环境设置中打开 reg. py 文件。如果使用虚拟环境,请根据需要或在计算环境中设置可用的中央处理单元数、线程数和 RAM。
接下来,设置所需的变换和插值,然后是固定和移动图像。在 Python 计算环境中运行 reg. py。
注册完成后,请继续进行评估。保持 ct. nii 图像作为基础图像,打开 ventilation warp.nii。
gz 作为另一个图像,并将其叠加在具有所需色图的 CT 图像上。查看所有图像平面上氙气 MR 图像与 CT 图像的重叠情况,以评估隆突和肺边界等标志物的视觉对齐情况。注册结果显示健康参与者的所有肺边界都对齐良好。
在 3 名患有慢性阻塞性肺疾病的参与者中,肺边界排列良好,范围从弥漫性通气异常、上叶通气异常伴肺根尖边界缺失和下叶通气异常伴膈肌肺边界缺失。