Python中的神经影像统计学习
项目描述
nilearn
Nilearn 允许用户以易于访问和灵活的方式分析大脑体积。它提供统计和机器学习工具，并有指导性的文档和友好的社区。
它支持基于广义线性模型（GLM）的分析，并利用 scikit-learn Python 工具箱进行多元统计分析，应用包括预测建模、分类、解码或连通性分析。
重要链接
HTML 文档（稳定版本）： https://nilearn.github.io/
安装
最新版本
1. 设置虚拟环境
我们建议您在虚拟 Python 环境中安装 nilearn，无论是使用标准库 venv 还是使用 conda（例如，请参阅 miniconda）。无论如何，创建并激活一个新的 python 环境。
使用 venv
python3 -m venv /<path_to_new_env>
source /<path_to_new_env>/bin/activateWindows 用户应将最后一行更改为 \<path_to_new_env>\Scripts\activate.bat 以激活其虚拟环境。
使用 conda
conda create -n nilearn python=3.9
conda activate nilearn2. 使用 pip 安装 nilearn
在适当的 python 环境中，在命令提示符/终端中执行以下命令
python -m pip install -U nilearn开发版本
请参阅 贡献指南 中所有开发设置说明。
检查安装
尝试在 python / iPython 会话中导入 nilearn
import nilearn如果没有错误发生，则表示您已正确安装了 nilearn。
现场支持时间
Nilearn 团队定期组织在线现场支持时间以回答问题、讨论功能请求或进行任何与 Nilearn 相关的讨论。Nilearn 现场支持时间在 每周三下午 4 点至 5 点 UTC 举行，我们确保至少有一名核心开发者团队成员在场。这些活动在 Jitsi Meet 上举行，并完全对外开放，任何人都可以参加！有关更多信息以及与 Nilearn 团队互动的方式，请参阅 如何获得帮助。
依赖项
使用该软件所需的依赖项列在文件 pyproject.toml 中。
如果您正在使用 nilearn 绘图功能或运行示例，则需要 matplotlib >= 3.3.0。
Nilearn 中的一些绘图函数同时支持 matplotlib 和 plotly 作为绘图引擎。为了在这些函数中使用 plotly 引擎，您需要安装 plotly 和 kaleido，这两个都可以使用 pip 和 anaconda 安装。
如果您想运行测试，则需要 pytest >= 6.0.0 和 pytest-cov 用于覆盖率报告。
开发
有关如何贡献的详细说明可在 https://nilearn.github.io/stable/development.html 找到。
项目详情
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
