De analógico a digital (III)

Práctica 1. Localizando hitos en tu propio cerebro

Créditos a Ana Paqui Palenciano (palencianoap@ugr.es)

Preparando las imágenes brutas (conversión de DICOM a Nifti)

Cuando las imágenes de resonancia magnética salen del escáner, suelen venir en un formato llamado DICOM (.dcm). Este formato es útil para ciertas cosas pero, en la práctica, no solemos trabajar con él. Como hemos visto en la sección anterior, nuestro formato estrella es Nifti, así que el primer paso es convertirlas. Para ello, podemos seguir una de las dos aproximaciones de aquí abajo. La primera es ideal para hacer este proceso robusto y generalizable a una muestra grande de participantes y la segunda nos vale para una conversión (sucia) pequeña y rápida: para esta práctica, elegid la que más os atraiga.

Opción 1: Conversión mediante código

El programa más común en NeuroCog para esto se llama dcm2niix y para poder utilizarlo tendréis que instalarlo en vuestro ordenador. Aquí abajo tenéis instrucciones sobre cómo hacer esto en MacOs y Windows.

💻 En Mac

  1. Abre la aplicación Terminal (puedes buscarla con Spotlight).

  2. Instala Homebrew (si no lo tienes) copiando y pegando esto:

    /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

  3. Instala dcm2niix con:

    brew install dcm2niix

  4. Comprueba que funciona:

    dcm2niix -h

    Si ves el texto de ayuda, ya está listo.

🪟 En Windows

  1. Entra en la página oficial: 👉 https://github.com/rordenlab/dcm2niix/releases

  2. Descarga el archivo ZIP de la versión más reciente para Windows (dcm2niix_win.zip).

  3. Descomprime el ZIP en una carpeta fácil de encontrar, por ejemplo: C:\Program Files\dcm2niix

  4. Añade esa carpeta a la variable de entorno PATH:

    • Escribe “Editar las variables de entorno del sistema” en el buscador de Windows y ábrelo.

    • Haz clic en Variables de entorno → selecciona Path → Editar → Nuevo.

    • Añade:

      C:\Program Files\dcm2niix

    • Acepta todo.

  5. Abre PowerShell o cmd y escribe:

dcm2niix -h

Si ves el texto de ayuda, la instalación está correcta.

Una vez que lo hayas instalado, ya podréis usarlo desde tu terminal del sistema y, por lo tanto, desde tu IDE favorito. Aquí abajo tenéis un script de Python para poder realizar esta conversión.

  import os
  import subprocess

  # ==== AJUSTA ESTAS TRES VARIABLES ==========================
  # Pon aquí la ruta a la carpeta que contiene tus DICOM (.dcm)
  dicom_folder = r"/RUTA/A/TU/CARPETA/CON/DICOMS"

  # Cambia estos placeholders por tu código de sujeto y resolución
  subcode = "PON_AQUI_TU_SUBCODE"      # p.ej. "01" o "NaNif01"
  resolution = "PON_AQUI_TU_RESOLUCION"  # p.ej. "1mm"
  # ===========================================================

  # Carpeta donde se guardará el NIfTI (puede ser la misma que la de los DICOM)
  output_folder = dicom_folder

  # Nombre BIDS del archivo de salida (sin extensión)
  bids_name = f"sub-{subcode}_space-native_res-{resolution}_t1w"

  # Comando para llamar a dcm2niix
  # IMPORTANTE: Debes tener dcm2niix instalado y accesible desde la terminal
  cmd = [
      "dcm2niix",
      "-z", "y",              # comprimir en .nii.gz
      "-f", bids_name,        # nombre del archivo de salida (sin extensión)
      "-o", output_folder,    # carpeta de salida
      dicom_folder            # carpeta con los DICOM
  ]

  # Ejecutar la conversión
  subprocess.run(cmd, check=True)

  print("Conversión completada. Archivo creado como:")
  print(os.path.join(output_folder, bids_name + ".nii.gz"))

Opción 2: Conversión con interfaz

ITK-SNAP puede abrir carpetas con archivos DICOM y guardar el volumen en formato NIfTI (.nii o .nii.gz), pero no está pensado como conversor masivo ni conserva metadatos con la misma precisión que dcm2niix. Si aun así quieres hacerlo:

  1. Abre ITK-SNAP.
  2. Ve a File → Open Main Image….
  3. Selecciona la carpeta que contiene los .dcm (no un archivo suelto).
  4. Espera a que ITK-SNAP los cargue como un solo volumen.
  5. Luego elige File → Save Image As… y selecciona formato NIfTI (.nii o .nii.gz).

! Recomendación para el futuro: Usa dcm2niix para convertir, y ITK-SNAP para visualizar o segmentar. dcm2niix es el estándar en neuroimagen y asegura compatibilidad con BIDS y software como FSL, SPM o AFNI.

¡Ya estamos listos!

Deberás utilizar un software de visualización de imágenes, preferiblemente, ITK-Snap. Este software tienen la opción de trazar regiones o lesiones, para poder así generar máscaras que se utilicen en análisis futuros. En este caso, usarás esas herramientas para identificar una serie de regiones en tus propias imágenes anatómicas, en concreto, en las imágenes T1-w.

A continuación tienes la lista de regiones a identificar junto con ejemplos:

  1. Ventrículos cerebrales
    (indicando los ventrículos laterales, tercer y cuarto ventrículos, el agujero de Monro y el acueducto de Silvio).

  2. Ganglios basales

  3. Tálamo

  4. Hipocampo y amígdala

Para cada apartado de regiones, intenta visualizarlas en dos planos distintos (p. ej., axial, coronal, sagital). ¿Qué diferencias notas a simple vista con esas mismas regiones en el cerebro template que hemos abierto antes? ¿Podrías concluir algo solo con esta comparación?

En las siguientes sesiones empezaremos a trabajar con código (Python) así que, si habéis hecho la conversión con ITK-Snap, podéis aprovechar el tiempo de trabajo autónomo para realizar el pequeño ejercicio de arriba que os servirá de práctica.