dicom文件_实现原始Dicom自动转换BIDS格式 ——Heudiconv

Python神经影像社区日趋完善，Linux shell搭配Python的神经影像工具开发方式越来越受追捧，催生出fMRIPrep、fMRIDenoise、Nipype、Nilearn、PyMVPA等优秀的toolbox，今天给大家介绍一个前期准备数据，自动整理BIDS格式的软件

基于Linux及MacOS的Heudiconv是一款很方便的dicom转nifti格式的工具，不同于dcm2nii等传统软件仅提供格式转换，Heudiconv的亮点在于自动组织图像路径，生成结构化的影像数据存储模式——BIDS格式

软件包的细节不赘述了，感兴趣的可以去Heudiconv的官网去研究：

这里主要分享自己使用Heudiconv的具体操作步骤：

Step 1：整理自己的Dicom数据格式

首先我们需要将自己的Dicom格式文件整理好，建议存放的路径为项目文件夹 -> Dicom数据文件夹 -> 被试文件夹 -> session文件夹 (optional) -> 各模态文件夹 -> 具体的DCM/IMA文件

/Project
    /SourceData
        /001
            /pretreatment (optional)
                T1
                Func
                ...
        /sub002
        /sub003
        ...

session一般指研究里大部分被试参与了的两次及以上相同扫描序列的扫描，纵向研究中涉及较多，如治疗前后，或者纵向多时间点随访等，如果你的数据涉及可以加这一级文件夹，如果不涉及则可以忽略这一级。

Step 2：读取原始Dicom数据头文件信息

现在开始任意读取一个Dicom数据的头文件信息

sudo docker run --rm -it -v /home/dell/project:/base nipy/heudiconv:latest -d /base/SourceData/{subject}/{session}/*/*.dcm -o /base/RawData/ -f convertall -s 001 -ss pretreatment -c none --overwrite

这里借助Docker运行（推荐），具体安装参照官网及我在fMRIPrep里给出的docker安装方法

-v 后面时定义你的project所在路径为base路径

nipy/heudiconv:latest 则是调用最新版的heudiconv

-d 后面是所有dcm文件存放的位置，利用了通配符实现，{subject}和{session}必须这样表示，用来获取相应字段名命名后续的Nifti

-o Nifti文件放置的位置，这里我们命名为RawData

-s 是你选择的被试文件夹名

-ss 是你选择的session文件夹名 (optional)

其他参数完全一致不用变

运行过后&