跳转到主要内容

在多个站点之间协调神经影像数据。使用sklearn格式实现neurocombat

项目描述

NeuroCombat-sklearn

License: MIT Version PythonVersion

在scikit-learn兼容格式中实现Combat协调方法。

Combat协调/标准化方法使用参数经验贝叶斯框架来稳健地调整数据以消除站点/批次效应。使用scikit-learn兼容格式以促进在机器学习项目中使用此协调方法。

该存储库由伦敦国王学院的Walter Hugo Lopez Pinaya和社区贡献者开发。

安装

要求

用户安装

如果您已经安装了numpy和scipy,安装neurocombat-sklearn最简单的方法是使用pip

pip install neurocombat-sklearn

引用

如果您发现此代码对您的研究有用,请引用

@article{fortin2018harmonization,
  title={Harmonization of cortical thickness measurements across scanners and sites},
  author={Fortin, Jean-Philippe and Cullen, Nicholas and Sheline, Yvette I and Taylor, Warren D and Aselcioglu, Irem and Cook, Philip A and Adams, Phil and Cooper, Crystal and Fava, Maurizio and McGrath, Patrick J and others},
  journal={Neuroimage},
  volume={167},
  pages={104--120},
  year={2018},
  publisher={Elsevier}
}

@article{johnson2007adjusting,
  title={Adjusting batch effects in microarray expression data using empirical Bayes methods},
  author={Johnson, W Evan and Li, Cheng and Rabinovic, Ariel},
  journal={Biostatistics},
  volume={8},
  number={1},
  pages={118--127},
  year={2007},
  publisher={Oxford University Press}
}

免责声明

基于

项目详情


下载文件

下载适用于您的平台文件。如果您不确定选择哪个,请了解有关安装软件包的更多信息。

源代码分发

neurocombat-sklearn-0.1.3.tar.gz (5.9 kB 查看散列值)

上传于 源文件

构建版本

neurocombat_sklearn-0.1.3-py3-none-any.whl (7.9 kB 查看哈希)

上传于 Python 3

由以下支持