معرفی شرکت ها
edanif-0.1.7
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
EDA-NIf creates a dataframe containing meta information of NIfTi files and provides several useful features.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | edanif-0.1.7 |
| نام | edanif |
| نسخه کتابخانه | 0.1.7 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | parkminwoo |
| ایمیل نویسنده | parkminwoo1991@gmail.com |
| آدرس صفحه اصلی | https://github.com/DSDanielPark/EDA-NIf |
| آدرس اینترنتی | https://pypi.org/project/edanif/ |
| مجوز | - |
# EDA-NIf (EDA NIfTI)
[](code_of_conduct.md)
[](code_of_conduct.md)
Tool for *Exploratory Data Analysis of Neuroimaging Informatics Technology Initiative(NIfTI) format* <br>
`EDA-NIf` creates a dataframe containing meta information of NIfTi file format and provides several useful functions.
<br>
# Installation
```cmd
pip install edanif
```
Beta versions with official documentation are provided starting from major version 1.
<Br><Br>
# Tutorial
We provide tutorial notebooks for all the features we offer. We plan to provide additional docstrings or documentation from the official distribution version (major version 1 or higher).
1. Main-tutorials: https://github.com/DSDanielPark/EDA-NIf/blob/main/tutorials/edanif_tutorial.ipynb
2. Sub-tutorial-folder: https://github.com/DSDanielPark/EDA-NIf/tree/main/tutorials
<br>
# Main Feature
<details>
<summary> See sample data folder tree... </summary>
The sample data folder is designed with an unnecessary and complex structure to show that all nifti files under the top-level folder path are collected recursively. If you are using the [BIDS format](https://bids.neuroimaging.io/), you only need to insert keywords properly.
Example folder tree
</details>
<br>
### `edanif.eda_nif.meta_df`
If you enter only the top-level folder containing nifti files, you can get a data frame for all nifti files. <br>
1. In case of raw nifti files
```python
import edanif
raw_nifti_folder= '../data/raw_nifti'
df_raw_nii = edanif.meta_df(raw_nifti_folder, 'nii.gz', 'df_raw_nii_meta.csv', False)
```
result dataframe: https://github.com/DSDanielPark/EDA-NIf/blob/main/tutorials/result/df_raw_nii_meta.csv
2. In case of mask nifti files (binary files `only`)
```python
import edanif
mask_nifti_folder= '../data/mask_nifti'
df_mask_nii = edanif.meta_df(mask_nifti_folder, 'mask.nii.gz', 'df_mask_nii_meta.csv', True)
```
result dataframe: https://github.com/DSDanielPark/EDA-NIf/blob/main/tutorials/result/df_mask_nii_meta.csv
<br><br>
## Features
1. edanif.eda_nif <br>
1.1 `count_center_voxel_labels` <br>
1.2 `meta_df`: enter only the top-level folder containing nifti files, you can get a data frame for all nifti files. <br>
2. edanif.vis_nif <br>
2.1 `save_nifti_images` <br>
3. edanif.utils.util <br>
3.1 `find_all_files` <br>
3.2 `save_print_instance`<br>
4. edanif.process.preprocess <br>
4.1 `count_center_voxel_labels`<br>
4.2 `if_minus_return_0`<br>
4.3 `get_nonzero3d`<br>
4.4 `get_nonzero3d_shape` <br>
4.5 `get_hardcrop`<br>
4.6 `threshold_at_two`<br>
4.7 `monai_cropforeground`<br>
4.8 `get_nonzero_xyz_of_nii`<br>
5. edanif.process.registration <br>
5.1 `RegistrationMetric`<br>
6. edanif.process.resampling <br>
6.1 `make_isotropic`<br>
6.2 `resample_fixedsize_fixedspacing`<br>
6.3 `resampling`<br>
7. edanif.process.trans_morph <br>
7.1 `voxel_erosion`<br>
7.2 `voxel_dilation`<br>
7.3 `get_boundary_diff_index`<br>
- Feature development and unit testing are ongoing. We will update it whenever time permits.
<br><br>
# References
[1] NiBabel https://nipy.org/nibabel/ <br>
[2] SimpleITK https://simpleitk.org/ <br>
[3] MONAI https://monai.io/ <Br>
[4] AntsPy https://github.com/ANTsX/ANTsPy
<br>
### Contacts
Maintainer: [Daniel Park, South Korea](https://github.com/DSDanielPark)
e-mail parkminwoo1991@gmail.com
نیازمندی
| مقدار | نام |
|---|---|
| - | nibabel |
| - | pandas |
| - | numpy |
| - | matplotlib |
| - | tqdm |
| - | SimpleITK |
| - | monai |
| - | scikit-image |
| - | ipykernel |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl edanif-0.1.7:
pip install edanif-0.1.7.whl
نصب پکیج tar.gz edanif-0.1.7:
pip install edanif-0.1.7.tar.gz