智能套件统计工具箱
bss的Python项目详细描述
[智能套件](c)2016年统计工具箱(BSS)
=========
[brainsuite](c)统计工具箱允许将高级统计模型应用于从brainsuite生成的基于曲面、图像和曲线的输出。这使得群体或群体建模的皮质或沟形态。工具箱的一些功能包括:
-一个python接口,用于将[statsmodels]与[panda]一起用于纯python实现
-在表面绘制图形、图表和可视化效果的能力(即将推出)
T1加权MRI图像处理和配准步骤包括皮层表面提取
并使用[svreg]与参考图集对齐,该图集执行三角形网格和图像强度的曲面约束体积注册。
然后使用bss对各种神经影像测量进行总体水平的统计分析。
功能
---
*体积tbm:对代表地图集空间中mri图像体积收缩和膨胀的3d变形场的大小进行体素分析。
*表面tbm:对代表阿特拉斯空间皮质表面收缩和扩张的三维变形场的大小进行逐点分析。
*基于ROI的分析:分析皮质ROI的平均灰质厚度、表面积和灰质体积。
*假设驱动测试的掩蔽:基于先验假设的逐顶点脑测量掩蔽在roi上的焦点分析。
*基于变形的扩散图像形态测量:使用SVREG对定量扩散特征(如分数各向异性、平均扩散率、径向扩散率)进行体素级分析,重新采样到公共图谱空间。
对于上述分析方法,bss提供了拟合线性回归模型、方差分析和假设检验的函数。此外,它还可以测试不同变量对脑成像测量的交互作用除了使用错误发现率测试多重比较之外,BSS现在还支持多重假设测试的置换测试。
安装
---
打开命令行终端,键入“pip install bss”。
完整的源代码可在[github.org/shjoshi/bss]找到。
依赖关系
-----
“pip install bss”命令应该安装依赖项。
*[Python]2.7
*[熊猫],[statsmodels],[尼伯贝尔],[马特普洛特利布]
安装提示
-----
建议在虚拟环境中安装BSS。
参见[virtualenv]、[conda]等。
对于没有安装python的用户,我们建议使用[miniconda]。
安装[miniconda],然后在命令行上运行“pip install bss”。
安装提示
-----
有关用法,请参阅[教程]。
许可证
---
GNU[通用公共许可证]v2.
[智能套件]:http://brainsuite.org
[python]:http://www.python.org
[树冠]:https://www.enthough.com/products/canopy/
[statsmodels]:http://statsmodels.sourceforge.net
[熊猫]:http://pandas.pydata.org
[github.org/shjoshi/bss]:https://github.org/shjoshi/bss
[nibabel]:http://nipy.org/nibabel/
[matplotlib]:http://matplotlib.org/
[virtualenv]:https://virtualenv.pypa.io/en/stable/
[conda]:http://conda.pydata.org/docs/using/envs.html
[miniconda]:http://conda.pydata.org/miniconda.html
[教程]:http://brainsuite.org/bsstutorials/
[一般公共许可证]:https://www.gnu.org/licenses/old-licenses/gpl-2.0.en.html
[svreg]:http://brainsuite.org/processing/svreg/
=========
[brainsuite](c)统计工具箱允许将高级统计模型应用于从brainsuite生成的基于曲面、图像和曲线的输出。这使得群体或群体建模的皮质或沟形态。工具箱的一些功能包括:
-一个python接口,用于将[statsmodels]与[panda]一起用于纯python实现
-在表面绘制图形、图表和可视化效果的能力(即将推出)
T1加权MRI图像处理和配准步骤包括皮层表面提取
并使用[svreg]与参考图集对齐,该图集执行三角形网格和图像强度的曲面约束体积注册。
然后使用bss对各种神经影像测量进行总体水平的统计分析。
功能
---
*体积tbm:对代表地图集空间中mri图像体积收缩和膨胀的3d变形场的大小进行体素分析。
*表面tbm:对代表阿特拉斯空间皮质表面收缩和扩张的三维变形场的大小进行逐点分析。
*基于ROI的分析:分析皮质ROI的平均灰质厚度、表面积和灰质体积。
*假设驱动测试的掩蔽:基于先验假设的逐顶点脑测量掩蔽在roi上的焦点分析。
*基于变形的扩散图像形态测量:使用SVREG对定量扩散特征(如分数各向异性、平均扩散率、径向扩散率)进行体素级分析,重新采样到公共图谱空间。
对于上述分析方法,bss提供了拟合线性回归模型、方差分析和假设检验的函数。此外,它还可以测试不同变量对脑成像测量的交互作用除了使用错误发现率测试多重比较之外,BSS现在还支持多重假设测试的置换测试。
安装
---
打开命令行终端,键入“pip install bss”。
完整的源代码可在[github.org/shjoshi/bss]找到。
依赖关系
-----
“pip install bss”命令应该安装依赖项。
*[Python]2.7
*[熊猫],[statsmodels],[尼伯贝尔],[马特普洛特利布]
安装提示
-----
建议在虚拟环境中安装BSS。
参见[virtualenv]、[conda]等。
对于没有安装python的用户,我们建议使用[miniconda]。
安装[miniconda],然后在命令行上运行“pip install bss”。
安装提示
-----
有关用法,请参阅[教程]。
许可证
---
GNU[通用公共许可证]v2.
[智能套件]:http://brainsuite.org
[python]:http://www.python.org
[树冠]:https://www.enthough.com/products/canopy/
[statsmodels]:http://statsmodels.sourceforge.net
[熊猫]:http://pandas.pydata.org
[github.org/shjoshi/bss]:https://github.org/shjoshi/bss
[nibabel]:http://nipy.org/nibabel/
[matplotlib]:http://matplotlib.org/
[virtualenv]:https://virtualenv.pypa.io/en/stable/
[conda]:http://conda.pydata.org/docs/using/envs.html
[miniconda]:http://conda.pydata.org/miniconda.html
[教程]:http://brainsuite.org/bsstutorials/
[一般公共许可证]:https://www.gnu.org/licenses/old-licenses/gpl-2.0.en.html
[svreg]:http://brainsuite.org/processing/svreg/