معرفی شرکت ها
brainweb-1.6.2
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 بیشترتوضیحات
BrainWeb-based multimodal models of 20 normal brains
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | brainweb-1.6.2 |
| نام | brainweb |
| نسخه کتابخانه | 1.6.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Casper da Costa-Luis |
| ایمیل نویسنده | casper.dcl@physics.org |
| آدرس صفحه اصلی | https://github.com/casperdcl/brainweb |
| آدرس اینترنتی | https://pypi.org/project/brainweb/ |
| مجوز | MPLv2.0 |
The following example may be launched interactively via any of the following:
- |Binder|
- `Local file <README.ipynb>`__
- `GitHub Preview <https://github.com/casperdcl/brainweb/blob/master/README.ipynb>`__
.. |Binder| image:: https://mybinder.org/badge_logo.svg
:target: https://mybinder.org/v2/gh/casperdcl/brainweb/master?filepath=README.ipynb
BrainWeb-based multimodal models of 20 normal brains
====================================================
This project was initially inspired by "`BrainWeb: 20 Anatomical Models
of 20 Normal
Brains <http://brainweb.bic.mni.mcgill.ca/brainweb/anatomic_normal_20.html>`__."
However there are a number of generally useful tools, image processing &
display functions included in this project. For example, this includes
``volshow()`` for interactive comparison of multiple 3D volumes,
``get_file()`` for caching data URLs, and ``register()`` for image
coregistration.
|PyPI| |CI| |Quality| |DOI| |LICENCE|
**Download and Preprocessing for PET-MR Simulations**
This notebook will not re-download/re-process files if they already
exist.
- Output data
- ``~/.brainweb/subject_*.npz``: dtype(shape):
``float32(127, 344, 344)``
- `Raw data
source <http://brainweb.bic.mni.mcgill.ca/brainweb/anatomic_normal_20.html>`__
- ``~/.brainweb/subject_*.bin.gz``: dtype(shape):
``uint16(362, 434, 362)``
- Install
- ``pip install brainweb``
--------------
- Author: Casper da Costa-Luis <casper.dcl@physics.org>
- Date: 2017-2020
- Licence: `MPLv2.0 <https://www.mozilla.org/MPL/2.0>`__
.. |PyPI| image:: https://img.shields.io/pypi/v/brainweb.svg
:target: https://pypi.org/project/brainweb
.. |CI| image:: https://travis-ci.org/casperdcl/brainweb.svg?branch=master
:target: https://travis-ci.org/casperdcl/brainweb
.. |Quality| image:: https://api.codacy.com/project/badge/Grade/cdad13693b0141199c31d5b44c7ab185
:target: https://www.codacy.com/app/casper-dcl/brainweb
.. |DOI| image:: https://zenodo.org/badge/DOI/10.5281/zenodo.3269888.svg
:target: https://doi.org/10.5281/zenodo.3269888
.. |LICENCE| image:: https://img.shields.io/pypi/l/brainweb.svg?label=licence
:target: https://www.mozilla.org/MPL/2.0
.. code:: python
from __future__ import print_function, division
%matplotlib notebook
import brainweb
from brainweb import volshow
import numpy as np
from os import path
from tqdm.auto import tqdm
import logging
logging.basicConfig(level=logging.INFO)
Raw Data
--------
.. code:: python
# download
files = brainweb.get_files()
# read last file
data = brainweb.load_file(files[-1])
# show last subject
print(files[-1])
volshow(data, cmaps=['gist_ncar']);
::
~/.brainweb/subject_54.bin.gz
.. image:: https://raw.githubusercontent.com/casperdcl/brainweb/master/raw.png
Transform
---------
Convert raw image data:
- Siemens Biograph mMR resolution (~2mm) & dimensions (127, 344, 344)
- PET/T1/T2/uMap intensities
- PET defaults to FDG intensity ratios; could use e.g. Amyloid instead
- randomised structure for PET/T1/T2
- t (1 + g [2 G_sigma(r) - 1]), where
- r = rand(127, 344, 344) in [0, 1),
- Gaussian smoothing sigma = 1,
- g = 1 for PET; 0.75 for MR, and
- t = the PET or MR piecewise constant phantom
.. code:: python
# show region probability masks
PetClass = brainweb.FDG
label_probs = brainweb.get_label_probabilities(files[-1], labels=PetClass.all_labels)
volshow(label_probs[brainweb.trim_zeros_ROI(label_probs)], titles=PetClass.all_labels, frameon=False);
.. image:: https://raw.githubusercontent.com/casperdcl/brainweb/master/pmasks.png
.. code:: python
brainweb.seed(1337)
for f in tqdm(files, desc="mMR ground truths", unit="subject"):
vol = brainweb.get_mmr_fromfile(
f,
petNoise=1, t1Noise=0.75, t2Noise=0.75,
petSigma=1, t1Sigma=1, t2Sigma=1,
PetClass=PetClass)
.. code:: python
# show last subject
print(f)
volshow([vol['PET' ][:, 100:-100, 100:-100],
vol['uMap'][:, 100:-100, 100:-100],
vol['T1' ][:, 100:-100, 100:-100],
vol['T2' ][:, 100:-100, 100:-100]],
cmaps=['hot', 'bone', 'Greys_r', 'Greys_r'],
titles=["PET", "uMap", "T1", "T2"],
frameon=False);
::
~/.brainweb/subject_54.bin.gz
.. image:: https://raw.githubusercontent.com/casperdcl/brainweb/master/mMR.png
.. code:: python
# add some lesions
brainweb.seed(1337)
im3d = brainweb.add_lesions(vol['PET'])
volshow(im3d[:, 100:-100, 100:-100], cmaps=['hot']);
.. image:: https://raw.githubusercontent.com/casperdcl/brainweb/master/lesions.png
.. code:: python
# bonus: use brute-force registration to transform
#!pip install -U 'brainweb[register]'
reg = brainweb.register(
data[:, ::-1], target=vol['PET'],
src_resolution=brainweb.Res.brainweb,
target_resolution=brainweb.Res.mMR)
volshow({
"PET": vol['PET'][:, 100:-100, 100:-100],
"RawReg": reg[ :, 100:-100, 100:-100],
"T1": vol['T1' ][:, 100:-100, 100:-100],
}, cmaps=['hot', 'gist_ncar', 'Greys_r'], ncols=3, tight_layout=5, figsize=(9.5, 3.5), frameon=False);
.. image:: https://raw.githubusercontent.com/casperdcl/brainweb/master/reg.png
نیازمندی
| مقدار | نام |
|---|---|
| >=4.42.0 | tqdm |
| - | requests |
| - | numpy |
| - | scikit-image |
| - | matplotlib |
| - | dipy |
| - | docutils |
| - | pygments |
| - | flake8 |
نحوه نصب
نصب پکیج whl brainweb-1.6.2:
pip install brainweb-1.6.2.whl
نصب پکیج tar.gz brainweb-1.6.2:
pip install brainweb-1.6.2.tar.gz