brainatlas 1.0

大鼠脑图谱的Python接口

目的
-------
使用大鼠脑图谱...
1) 构建各种脑区的3D点云
2) 查找给定位置的区域（ML，DV，AP坐标）
3) 获取给定位置的包含切片图像
4) 在展开的皮质表面上绘制位置


安装细节
--------------------
由于版权原因，此模块不包含大鼠脑图谱附带CD中的eps文件。然而，这些文件对于模块的功能是必需的。
您可以将eps文件的路径传递给必要的函数（如Section.__init__），或者将eps文件（至少是额叶切片）复制到atlas/eps。






如何
------

获取包含切片的索引
>>> pyatlas.py section 6.5 3.5 -7

在切片上绘制位置（显示和保存绘图）
>>> pyatlas.py section 6.5 3.5 -7 -ps

获取位置的面积
>>> pyatlas.py area 6.5 3.5 -7

获取区域的点云（保存到meshes/.asc）[需要一段时间]
>>> pyatlas.py points V2L -m

在展开的皮质上绘制位置
>>> pyatlas.py cortex 6.5 3.5 -7 -ps

如果像这样重新计算区域点，则在展开的皮质表面上绘制多次将更快





注意
-----
这非常不完善且具有侵略性

我想要的是从一组标记的脑图谱图像中生成选定脑区的3D网格

步骤
1) 获取脑图谱的eps文件
2) 在每个eps文件中找到选定区域标记的位置
3) 将 eps 文件渲染为位图格式
4) 查找与选定区域边框对应的像素
5) 将图像映射到脑坐标
6) 在每个切片上输出选定区域边框的 3D 脑坐标
7) 使用 meshlab 从点生成网格

这非常原始且依赖于
3) 使用 meshlab 中的球体旋转手动生成网格

我最想要的
2) 为所有图谱切片创建更灵活的映射
3) 自动生成网格

Meshlab
-------
1) 加载区域的点文件（例如：V1.asc）
2) 简化点
过滤器 -> 清理 -> 合并：~.05 世界单位
3) 保存为网格（例如：.ply）
4) 重新加载
3) 网格化点
过滤器 -> 重新网格化 -> 表面重建（球体旋转）：~.5 世界单位（或 V2L 的 .7）
5) 封闭空洞
5) 平滑
过滤器 -> 平滑 -> 拉普拉斯平滑：2 次迭代
6) 保存为网格（例如：.ply）