科 / 研 / 图 / 像 / 处 / 理
ANTs (Advanced Normalization Tools) 是专为医学图像设计的 C++ library，是目前 State of Art 的医学影像配准和分割工具，在神经影像学领域具有广泛应用。
GitHub地址：
https://github.com/ANTsX/ANTs
ANTs 可以对多模态的图像进行配准、分割等操作。在医学影像中，ANTs常用于对不同序列的扫描或患者之间的图像进行配准。
从而将数据标准化到一个共同的参考框架，从而更容易追踪时间变化或在人群之间进行数据比较。
ANTsPy 打包了 ANTs 的 C++ library，可以之间用 Python 直接调用，非常方便。
GitHub地址：
https://github.com/ANTsX/ANTsPy
官网说明：
https://antspy.readthedocs.io/en/latest/index.html
这篇文章会介绍怎样安装 ANTsPy，将 MRI 的 T1 图像配准到 CT 图像上，实现多模态医学影像配准。
最终效果：
dataset来源：https://rire.insight-journal.org/
一、安装 ANTsPy
首先你需要在电脑上安装 Anaconda，生成一个新的环境，方便不同 Python 包的版本管理：
conda create -n antspy python=3.10pip install antspyxpython -m ipykernel install --user --name=ANTsPy
激活该环境：
conda activate allensdk安装 ANTsPy：
pip install antspyx安装一些可能需要用到的包：
pip install ipykernelpip install jupyterpython -m ipykernel install --user --name=ANTsPy
二、实例代码
import antsimport numpy as npfrom scipy.ndimage import zoom# read images as ants classimg_CT = ants.image_read('CT_demo.tif')img_T1 = ants.image_read('T1_demo.tif')# convert ants class to numpy for further manipulationimg_CT = img_CT.numpy()img_CT = zoom(img_CT, (0.5, 0.5, 1))# convert numpy array to ants class for registrationimg_CT = ants.from_numpy(img_CT)# do ANTs registrationmytx = ants.registration(fixed=img_CT , moving=img_T1, type_of_transform='SyNRA' )# get warped image and save itimg_T1_warped = mytx['warpedmovout']ants.image_write(img_T1_warped, 'T1_warped.tif')
三、关键代码分析
（1）读取图像
# read images as ants classimg_CT = ants.image_read('CT_demo.tif')img_T1 = ants.image_read('T1_demo.tif')
利用 ants.image_read 读入的图像属于 ANTsImage 类，如果直接 print 可以看到相关的图像信息：
（2）ants class 和 numpy array 之间相互转换
# convert ants class to numpy for further manipulationimg_CT = img_CT.numpy()img_CT = zoom(img_CT, (0.5, 0.5, 1))# convert numpy array to ants class for registrationimg_CT = ants.from_numpy(img_CT)
读入的图像属于 ANTsImage 类，如果需要更灵活的操作，可以将这个类转为 Numpy array，进行各种 Array 操作和变换。
这里是将图像的X和Y方向缩小到原来的一半，然后再把 Numpy array 转为 ANTsImage 类。
ANTs Registration的输入需要是ANTsImage类。
（3）Ants registration
# do ANTs registrationmytx = ants.registration(fixed=img_CT , moving=img_T1, type_of_transform='SyNRA' )
这里需要注意 type_of_transform 需要根据自身图像来做选择。
ANTs 中可以选择各种各样的变换类型，其中一部分：
因为 Demo 的两个模态的数据存在位移，所以这里选择 'SyNRA' 的变换类型，即：Rigid+Affine+Nonlinear.
（4）变换后图像保存
# get warped image and save itimg_T1_warped = mytx['warpedmovout']ants.image_write(img_T1_warped, 'T1_warped.tif')
mytx 这个变量包含了：
'warpedmovout'，变换后moving图像
'warpedfixout'，反变换的fixed图像
'fwdtransforms'，变换矩阵的保存路径
'invtransforms'，反变换矩阵的保存路径
这里需要注意变换矩阵通常会默认保存在 'C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\'
往期回顾
