معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A tool for nonlinear image registration.

ویژگی	مقدار
سیستم عامل	-
نام فایل	ardent-1.0.3
نام	ardent
نسخه کتابخانه	1.0.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Devin Crowley
ایمیل نویسنده	devin.g.crowley@gmail.com
آدرس صفحه اصلی	https://github.com/neurodata/ardent
آدرس اینترنتی	https://pypi.org/project/ardent/
مجوز	Apache License 2.0

# ARDENT **A**ffine and **R**egularized **DE**formative **N**umeric **T**ransform (ARDENT) is a Python package for performing automated image registration using LDDMM. ARDENT stands out for its ability to predict and correct for artifacts and image nonuniformity, perform registrations across image modalities, ease of use, and other features in development. - [Overview](#overview) - [Documentation](#documentation) - [System Requirements](#system-requirements) - [Installation Guide](#installation-guide) - [License](#license) # Overview Experimental neuroscience produces a stunning amount of imaging data from light or electron microscopy, MRI, and other 3D modalities. To be of real use these datasets must be interpreted with respect to each other and to refined standards: well-characterized image datasets called atlases. To build these interpretations, dense spatial alignments must be computed. This process is known as image registration, in which one image is optimally deformed, or flowed, until it aligns with another. Accurate registration is challenged by the large scale of imaging data and the heterogeneity across species scales and modalities. Current tools can perform well on very standard images but perform poorly on data with various imperfections. This restricts our ability to analyze data from novel experiments performed in a majority of labs. ARDENT is an accessible pure-python image registration package in development with these neuroimaging challenges in mind. # Documentation The official documentation with usage is at https://ardent.neurodata.io/ Please visit the [tutorial section](https://ardent.neurodata.io/tutorial.html) in the official website for more in-depth usage. # System requirements ## Hardware requirements `ARDENT` package requires only a standard computer with enough RAM to support the in-memory operations. ### Python Requirements This package is written for Python3. Currently, it is supported for Python 3.6. ### Python Dependencies `ARDENT` mainly depends on the Python scientific stack with the notable addition of PyTorch. However, this is pending deprecation. ``` numpy matplotlib scipy scikit-learn simpleitk nibabel nilearn pytorch ``` # Installation Guide ## Install from pip ``` pip install ardent ``` ## Install from Github ``` git clone https://github.com/neurodata/ardent cd ardent python3 setup.py install ``` # License This project is covered under the [Apache 2.0 License](https://github.com/neurodata/ardent/blob/master/LICENSE).

نیازمندی

مقدار	نام
>=1.16.3	numpy
>=3.1.0	matplotlib
>=1.2.0	simpleitk
>=1.3.0	scipy
>=2.4.1	nibabel
>=0.5.2	nilearn
>=0.21.2	scikit-learn
>=0.16.2	scikit-image

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl ardent-1.0.3:

pip install ardent-1.0.3.whl

نصب پکیج tar.gz ardent-1.0.3:

pip install ardent-1.0.3.tar.gz