读取PET的nii图像，并将其大于0的像素赋值为1

以下是Python代码示例：

import nibabel as nib
import numpy as np

# 读取nii文件
img = nib.load('path/to/PET.nii')

# 获取图像数据
data = img.get_fdata()

# 将大于0的像素赋值为1
data[data > 0] = 1

# 创建新的nii图像
new_img = nib.Nifti1Image(data, img.affine)

# 保存新的nii图像
nib.save(new_img, 'path/to/PET_binary.nii')

首先，使用nibabel库中的load函数读取nii文件，并获取图像数据。然后，使用NumPy数组索引将大于0的像素赋值为1。接下来，使用Nifti1Image函数创建一个新的nii图像，并指定原始图像的仿射矩阵。最后，使用nibabel库中的save函数将新的nii图像保存到文件中。

相关问题

读取PET的nii图像，并算其大于0的体素的均值

A：以下是Python代码来实现

import nibabel as nib
import numpy as np

# 读取nii图像文件
img = nib.load('path/to/PET.nii')

# 获取图像数据
data = img.get_fdata()

# 计算大于0的体素数
positive_voxels = np.sum(data > 0)

# 计算大于0的体素的均值
mean_positive_voxels = np.sum(data[data > 0]) / positive_voxels

注意，`path/to/PET.nii`应该替换为实际的文件路径

读取PET的nii图像，并算其大于0的体素的标准差

A：我不太了解PET和nii图像的相关知识，但理论上可以使用Python中的nibabel库来读取nii图像，再使用numpy库来进行体素值的计算和标准差的求解。以下是一个可能的代码示例：

import nibabel as nib
import numpy as np

# 读取nii图像
img = nib.load('path/to/pet.nii.gz')
data = img.get_data()

# 计算大于0的体素的标准差
voxels = data[data > 0]
std = np.std(voxels)

print("标准差：", std)