1，引入

脑影像分析中，我们常常会针对性的对某些感兴趣区域进行分析，而对它们进行分析的前提是获取该区域的mask。感兴趣区域可以用以某些坐标为球心的球形区域定义，也可以用脑图谱上对应的某些脑区定义，其中，后者是较为常见的，也是我们今天要讨论的。脑图谱是一类特殊脑影像，它的每一个位置上不是信号值，而是脑区编号（标签），这也就意味着我们可以通过感兴趣区域的脑区编号，得到对应的感兴趣区域位置的集合，它也就是感兴趣区域的mask。
本文参考自：【MRI脑影像分析——根据脑图谱获取感兴趣区域mask，以海马体与丘脑为例(matlab+nilearn+nibabel+REST1.8）】。https://blog.csdn.net/sinat_35907936/article/details/118481241

1.1 ASPECT-Atlas

脑图谱是一类特殊脑影像，它的每一个位置上不是信号值，而是脑区编号(标签)。任何一个图谱都会有其对应的脑区编号(标签)表。非常常见的是一些包含海马体，丘脑等部位的脑图谱。
本文是做ASPECT评分任务的，为了更方便讲述，下面主要以ASPECT-Altas来进行讲述。
如下图所示为ASPECT的图谱。如果需要此图谱的可以私聊我。

这个图谱的对应标签值为：

我们可以看到，当点击图谱的M1左区域时，itk-ansp可以显示其标签强度值为10. 与列表相同。

以下将使用ASPECT-Atlas，提取岛叶，尾状核等所有部位，并保存成nii.gz格式数据。
这里主要使用python的方式，使用nibabel函数库。

2，获取脑图谱感兴趣区域mask

nibabel是python平台上用于解析神经影像的工具，不仅可以解析nifti也可以解析gifti。这里用它来解析并封装nifti，以生成mask。mask类型与保持上面一致。

pip install nibabel

提取M1左，对应标签：10.
一般建议选ROI内保存成1，区域外为0.

import numpy as np
import nibabel as nib

area_name = 'm1_left'
ROI_label = 10

img = nib.load('./templete/AspectsAtlas_padding_2mm.nii.gz')
data = img.get_fdata()
mask = np.zeros(data.shape)

# 创建mask
mask[data==ROI_label] = 1

# 用原先的仿射矩阵与头包装mask成nifti
#区域内为1，区域外为0，一个编号

new_img = nib.Nifti1Image(mask,img.affine, header=img.header)
new_img.to_filename(area_name + '_uni_mask.nii')

# 区域内为原来编号，区域外为0
data = np.array(mask*data, dtype=np.uint8)
new_img = nib.Nifti1Image(data, img.affine, header=img.header)
new_img.to_filename(area_name + '_sep_mask.nii')

我们可以看下效果：M1左脑区被提取出来。

下面展示一次性读取excel表所有脑区，并保存：

import numpy as np
import nibabel as nib


# 读取excel
import pandas as pd
# 指定 Excel 文件路径
excel_file_path = './templete/ASPECTAtlas_label_lookup.xlsx'  # 替换为你的Excel文件路径
# 读取 Excel 文件
df = pd.read_excel(excel_file_path)
# 提取两列数据到列表
column1_data = df['parts'].tolist()  # 替换 'Column1' 为第一列的实际列名
column2_data = df['label'].tolist()  # 替换 'Column2' 为第二列的实际列名

print(column1_data,column2_data)


# 读取ASPECT-Atlas
img = nib.load('./templete/AspectsAtlas_padding_2mm.nii.gz')
data = img.get_fdata()


for i, name in enumerate(column1_data):
    mask = np.zeros(data.shape)
    ROI_label = column2_data[i]
    area_name = './ASPECT_Region_3D/' + name

    # 创建mask
    mask[data == ROI_label] = 1

    # 用原先的仿射矩阵与头包装mask成nifti
    # 区域内为1，区域外为0，一个编号
    new_img = nib.Nifti1Image(mask,img.affine, header=img.header)
    new_img.to_filename(area_name + '_uni_mask.nii.gz')

参考：

[MRI脑影像分析——根据脑图谱获取感兴趣区域mask，以海马体与丘脑为例(matlab+nilearn+nibabel+REST1.8）]
https://blog.csdn.net/sinat_35907936/article/details/118481241