计算PET脑nii图像分割白质的Dice系数代码

以下是一个Python代码示例，用于计算PET脑nii图像分割白质的Dice系数：

import numpy as np
import nibabel as nib

def dice_coefficient(pred_mask, true_mask):
    intersection = np.sum(pred_mask * true_mask)
    dice = (2. * intersection) / (np.sum(pred_mask) + np.sum(true_mask))
    return dice

# 加载预测和真实的nii图像
pred_image = nib.load('pred_image.nii.gz')
true_image = nib.load('true_image.nii.gz')
pred_data = pred_image.get_fdata()
true_data = true_image.get_fdata()

# 提取白质区域掩码
pred_mask = np.zeros_like(pred_data)
pred_mask[pred_data == 2] = 1 # 预测为白质的区域标记为1
true_mask = np.zeros_like(true_data)
true_mask[true_data == 2] = 1 # 真实为白质的区域标记为1

# 计算Dice系数
dice = dice_coefficient(pred_mask, true_mask)
print(f'Dice coefficient: {dice}')

在上面的示例中，我们首先加载预测和真实的nii图像，并使用预测和真实的数据提取白质区域的掩码。然后，我们使用`dice_coefficient()`函数计算Dice系数，并将其打印出来。该函数接受两个二进制掩码作为输入，并计算它们的交集和并集，并返回Dice系数作为输出。最后，我们将Dice系数打印到控制台上。