医学数据分析

convert_source 将源DICOM ， PAR REC或NIFTI图像数据转换为BIDS目录布局。 用作输入的YAML配置文件规定了用于查找和重命名文件的搜索词。 有关示例，请参阅config/config.default.yml或config/config.example.yml 。 需要dcm2niix和pydicom 。 usage: study_proc [-h] [-s STUDY_DIR] [-o OUT_DIR] [-c CONFIG.yml] [--no-gzip] [--compress INT] [--zero-pad INT] [--append-dwi-info] [--verbose] [--version] [--path-env PATH_VAR] Convert sou

fMRI_Data_Analyses ： 与fMRI图像处理原理相关的代码，包括， 和 ： 涵盖了最广泛使用的当前统计方法的代码，用于在Matlab SPM中分析fMRI数据。

MP3医疗成像工具箱（MRI、CT、PET…）

这是MRI-CT图像融合源码。下载解压后直接运行。

用于3D图像到图像翻译的生成对抗网络 该网络的目的是训练从T1w图像创建T2w图像的模型，反之亦然。 它以完整的3D NIfTI作为输入，并能够直接生成相应模态的3D体积。 该存储库基于Per Welander和Anders Eklund在 训练此网络的最大挑战之一是将其全部存储在内存中。 必须有GPU才能在合理的时间内（不到一周）训练模型，但是这种加速是以RAM为代价的。 为了训练此3D GAN，我们使用了具有32GB RAM的单个NVIDIA Tesla V100。 少了可能会导致内存不足错误。 系统设置 培训是在带有CUDA版本10.2.89的NVIDIA Tesla V100上完成的 所需的python软件包版本保存在requirements.txt中，应安装在虚拟环境中 python3 -m venv env source env/bin/activate pip insta

心脏核磁共振(MRI)图像分割

MR图像的源文件，dcm格式，适合用于三维图像重建的相关设计

扩散MRI（dMRI） 这些Jupyter笔记本包括弥散MRI数据分析以计算弥散张量成像（DTI） ，弥散峰度成像（DKI） ，神经突取向弥散和密度成像（NODDI） ，单壳3组织约束球面反褶积（SS3T-CSD）以及多壳多组织约束球面反褶积（MSMT-CSD）模型化参数图。 Jupyter笔记本电脑的预处理包括使用DIPY进行数据去噪，使用FSL TOPUP进行磁化率引起的畸变校正以及使用FSL EDDY进行涡流引起的畸变和运动校正。 注意：DKI，NODDI和MSMT-CSD建模参数图的估计需要至少两个b值（例如1000、2000）获得的扩散加权MRI数据。 依存关系 使用这些Jupyter笔记本的依赖项为： DIPY（ ） Nipype（ ） FSL（ ） AMICO（ ） MRtrix3（ ） 引文 Messinger，A.，Sirmpilatze，N.，

matlab实现的三维医学图像分割，处理的是MRI的dicom图像，能有效分割脑白质和灰质，并计算体积，内附测试图像，可直接运行。