基于仓库中心分析（Arcana）的抽象：一个用于分析基于文件的数据集“原地”（即无需手动下载）的框架
项目描述
基于仓库中心分析（Arcana）的抽象是Python框架，用于“基于仓库”的数据树（例如，神经影像学研究）分析，该框架基于Pydra数据流引擎。
Arcana通过适配器层管理与“存储”的所有交互，这些适配器层针对特定的仓库软件或数据结构（例如，XNAT或BIDS）进行设计。中间输出存储在存储中，以及用于生成它们的参数，以便后续分析步骤可以重用。
分析工作流程使用Pydra数据流API构建和执行，可以本地运行或使用Pydra的各种执行插件提交到云或HPC集群。对于请求的输出，Arcana通过查询存储以检查缺失的中间输出和参数更改，在构建所需的流程图之前确定所需的处理步骤。
文档
有关 Arcana 的详细文档可在 https://arcana.readthedocs.io 找到。
快速安装
可以使用 pip 在 Python 3 上安装 Arcana-core。
$ python3 -m pip install arcana
许可证
本作品受 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 国际许可协议 保护。
注意：有关在 Close TG 等人撰写的 Neuroinformatics. 2020 18(1):109-129. doi: 10.1007/s12021-019-09430-1 中描述的 Arcana 的旧版本，请参阅 https://github.com/MonashBI/arcana-legacy。在概念上，旧版本和本仓库中的版本相似。然而，较新版本使用 Pydra 数据流引擎（Nipype 的继任者）而不是 Nipype，并且语法已从头开始重写，使其更加流畅和直观。
致谢
作者感谢国家成像设施（National Imaging Facility）提供的设施和科学及技术支持，该设施是国家协同研究基础设施战略（NCRIS）的能力之一。
下载文件
下载您平台的文件。如果您不确定选择哪个，请了解有关 安装包 的更多信息。