CUDA加速的Python工具，用于高吞吐量神经影像处理和分析
项目描述
NIMPA是NiftyPET的独立Python子包，专注于高吞吐量大脑图像处理和分析，尤其是使用正电子发射断层扫描（PET）和磁共振成像（MR）获取的图像。虽然它是NiftyPET包无缝PET图像重建的重要组成部分，但NIMPA同样适用于独立的图像处理，包括图像裁剪、上采样和部分体积校正（PVC）。
剪枝是为了减少脑部影像中未使用的图像体素，当使用全身PET扫描仪时，通常只使用视场（FOV）的一部分。
需要上采样，以更准确地通过感兴趣区域（ROI）提取PET数据，这些ROI是通过分割相应的T1w MRI图像获得的，通常具有更高的图像分辨率。
需要PVC来校正从定义的ROI（针对任何特定应用）溢出和溢入的PET信号。
包含安装手册和教程的文档： https://niftypet.readthedocs.io/
快速安装
请注意，推荐（但不是必需）使用conda。
# cross-platform install
conda install -c conda-forge python=3 \
ipykernel numpy scipy scikit-image matplotlib ipywidgets dipy nibabel pydicom
pip install "nimpa>=2"对于可选的dcm2niix（从DICOM到NIfTI的图像转换）和/或niftyreg（图像配准）支持，只需分别安装它们（pip install dcm2niix niftyreg）。
外部CMake项目
可以使用cmake将原始C/CUDA库包含在外部项目中。只需构建项目并使用find_package(NiftyPETnimpa)。
# print installation directory (after `pip install nimpa`)...
python -c "from niftypet.nimpa import cmake_prefix; print(cmake_prefix)"
# ... or build & install directly with cmake
mkdir build && cd build
cmake ../niftypet && cmake --build . && cmake --install . --prefix /my/install/dir在此阶段，任何外部项目都可以按以下方式包含NIMPA（一旦设置-DCMAKE_PREFIX_DIR=<installation prefix from above>）
cmake_minimum_required(VERSION 3.3 FATAL_ERROR)
project(myproj)
find_package(NiftyPETnimpa COMPONENTS improc REQUIRED)
add_executable(myexe ...)
target_link_libraries(myexe PRIVATE NiftyPET::improc)许可
版权 2018-21
Pawel J. Markiewicz @ 伦敦大学学院
Casper O. da Costa-Luis @ 伦敦大学学院/伦敦国王学院
关闭
nimpa-2.6.3.tar.gz的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | 7fd06f1bb246131ff8a3a872902bd007a737e8ac1b62c74b800443173769ec41 |
|
| MD5 | 018d65b31da3ecce3f5005773a7b896f |
|
| BLAKE2b-256 | a49d2ecdc3645e029ce759f69163a4b2d97ea1a7836a81690228da648386b2aa |
