ANTs -Download - ANTs Quellcode-Download

ANTs

Anderer Quellcode

Gracilidris

Herunterladen

Advanced Normalization Tools (ANTs) ist eine über die Befehlszeile verfügbare C++-Bibliothek, die hochdimensionale Zuordnungen berechnet, um die Statistiken der Gehirnstruktur und -funktion zu erfassen. Es ermöglicht die Organisation, Visualisierung und statistische Untersuchung großer biomedizinischer Bildsätze. Darüber hinaus integriert es Bildgebungsmodalitäten in Raum und Zeit und funktioniert arten- oder organsystemübergreifend mit minimaler Anpassung.

Die ANTs-Bibliothek gilt als hochmodernes medizinisches Bildregistrierungs- und Segmentierungs-Toolkit, das auf dem Insight ToolKit basiert, einer weit verbreiteten medizinischen Bildverarbeitungsbibliothek, zu der ANTs-Entwickler beitragen. ANTs-bezogene Tools haben auch mehrere internationale, unabhängige Wettbewerbe wie MICCAI, BRATS und STACOM gewonnen.

Es ist möglich, ANTs in R (ANTsR) und Python (ANTsPy) zu verwenden, mit zusätzlicher Funktionalität für Deep Learning in R (ANTsRNet) und Python (ANTsPyNet). Diese Bibliotheken helfen bei der Integration von ANTs in das breitere R/Python-Ökosystem.

Installation

Quicklinks: Binärdateien herunterladen | aus dem Quellcode erstellen | Docker | conda.

Vorkompilierte Binärdateien

Der einfachste Weg, ANTs zu installieren, besteht darin, die neuesten Binärdateien auf der Seite „Releases“ herunterzuladen. Laden Sie die neueste Version im Abschnitt „Assets“ herunter und entpacken Sie dann das Archiv. Als nächstes fügen Sie die ANTs-Bibliothek zu Ihrem PATH hinzu:

 export PATH=/path/to/ants/bin:$PATH

Sie können überprüfen, ob dies funktioniert hat, indem Sie einen Befehl ausführen, um den Pfad zu einer beliebigen ANTs-Funktion zu finden:

 which antsRegistration

Wenn das funktioniert, sollten Sie in der Lage sein, die volle Funktionalität von ANTs über die Befehlszeile oder Bash zu nutzen. Möglicherweise möchten Sie Multithreading steuern, indem Sie die Umgebungsvariable ITK_GLOBAL_DEFAULT_NUMBER_OF_THREADS festlegen.

Bauen aus der Quelle

Bei Bedarf können Sie ANTs auch aus dem neuesten Quellcode erstellen. Ein Minimalbeispiel unter Linux/Mac sieht so aus:

workingDir= ${PWD}
git clone https://github.com/ANTsX/ANTs.git
mkdir build install
cd build
cmake 
    -DCMAKE_INSTALL_PREFIX= ${workingDir} /install 
    ../ANTs 2>&1 | tee cmake.log
make -j 4 2>&1 | tee build.log
cd ANTS-build
make install 2>&1 | tee install.log

Weitere Details und ein vollständiges herunterladbares Installationsskript finden Sie im Linux/MacOS-Handbuch. Das Erstellen aus dem Quellcode funktioniert im Allgemeinen auch unter Windows, wobei einige zusätzliche Schritte im Windows-Handbuch erläutert werden. Alternativ ist es auch möglich, ANTs über Docker oder Conda zu installieren.

Codebeispiele

ANTs ist eine flexible Bibliothek, die für eine Vielzahl von Anwendungen und Bereichen eingesetzt werden kann. Nachfolgend finden Sie eine Sammlung von Beispielskripten, die mit ein wenig Aufwand an Ihre spezifischen Bedürfnisse angepasst werden können. Einige Beispiele enthalten auch Code für ANTsR oder ANTsPy.

Anmeldung

Grundregistrierung [Link]
Grundanmeldung mit Maske [Link]
Große Verformung [Link]
Asymmetrie [Link]
Kfz-Zulassung [Link]
Punktmengenkartierung [Link]
Globale Optimierung [Link]

Vorlagenkonstruktion

Gehirnvorlage [Link]
Vorlage für ein einzelnes Thema [Link]
„Kochen“ von Gewebeprioritäten für Vorlagen [Link]

Kortikale Dicke

Grundlegende kortikale Dicke [Link]
Beispiel Schimpanse [Link]

Segmentierung

N4-Bias-Korrektur + Atropos [Link]
Segmentierung von Hirntumoren [Link]

Gehirn

Grundlegende Gehirnkartierung [Link]
Gehirnextraktion [Link]
Multi-Atlas-Joint-Label/Intensitätsfusion [Link, Link] (Quelle: @chsasank)
fMRT oder Bewegungskorrektur [Link]
fMRT-Reproduzierbarkeit [Link]
Partielle EPI-Platte zur T1-Bildregistrierung [Link]

Sehen Sie sich auch unsere vorgefertigten ANTs-Vorlagen mit räumlichen Prioritäten an, die zum Download verfügbar sind [Allgemein, MNI].

Lunge

CT-Lungenregistrierung [Link]
Registrierung einer Lungenmaske [Link]
Lungen- und Lungenlappenschätzung [Link]
Lungenventilationsbasierte Segmentierung [Link]

Herz

Einfaches Beispiel [Link]

Andere

Patchbasierte Superauflösung [Link]
Bildrauschen [Link]
Morphing [Link]

Lernressourcen

Es gibt viele verschiedene Ressourcen, um mehr über die Verwendung der ANT-Funktionen und die dahinter stehende Methodik zu erfahren. Eine ausgewählte Liste nützlicher Ressourcen finden Sie hier.

ANTs Wiki [Link]
ANTs-Dokumentation [Link]
ANTs-Tutorials [Link]

Nachfolgend werden auch einige häufig besuchte Tutorials für bestimmte ANTs-Funktionen vorgestellt.

Ameisen verwendenRegistrierung [Link]
Anwenden von Warps mit antsApplyTransforms [Link]
Verwendung von AmeisenCorticalThickness [Link]
Verwendung von N4BiasFieldCorrection [Link]
Multimodalitätspräsentation [Link]

Mitwirken

Wenn Sie eine Frage, eine Funktionsanfrage oder einen Fehlerbericht haben, erhalten Sie am besten Hilfe, indem Sie ein Problem auf der GitHub-Seite veröffentlichen. Bitte denken Sie daran, dass es schwierig ist, Hilfe zu leisten, wenn Sie nicht genügend Informationen bereitstellen, um Ihr Problem oder Ihre Umgebung zu reproduzieren.

Wir freuen uns über alle neuen Beiträge und Ideen zur Verbesserung von ANTs. Wenn Sie Code beisteuern möchten, beginnen Sie am besten damit, das Wiki durchzulesen, um sich ein Bild vom Projekt zu machen, oder indem Sie ein Problem posten.

Team

Die Entwicklung von ANTs wird geleitet von Brian B. Avants (Entwickler, Algorithmusdesign, Implementierung), Nicholas J. Tustison (Compeller, Algorithmusdesign, Implementierungsguru), Hans J. Johnson (Großanwendung, Tests, Softwaredesign), Gang Song (Urheber), Philip A. Cook, Jeffrey T. Duda (DTI), Ben M. Kandel (Perfusion, multivariate Analyse) und Nick Cullen (Python, R).

Referenzen

Eine große Sammlung von Zeitschriftenartikeln wurde mit der ANTs-Software veröffentlicht und kann über die Suche in Google Scholar oder PubMed gefunden werden. Nachfolgend stellen wir eine kuratierte Liste der relevantesten Artikel bereit, die als Leitfaden zum besseren Verständnis oder Zitieren von ANTs dienen können.

Bildregistrierung

Symmetrische diffeomorphe Bildregistrierung mit Kreuzkorrelation: Bewertung der automatisierten Markierung älterer und neurodegenerativer Gehirne . Med Image Anal (2008). [Link]

Bewertung von 14 nichtlinearen Verformungsalgorithmen, die auf die MRT-Registrierung des menschlichen Gehirns angewendet werden . Neuroimage (2009). [Link]

Evaluierung von Registrierungsmethoden für die Thorax-CT: die EMPIRE10-Herausforderung . IEEE Trans Med Imaging (2011). [Link]

Eine reproduzierbare Bewertung der Ähnlichkeitsmetrikleistung von ANTs bei der Registrierung von Gehirnbildern . Neuroimage (2011). [Link]

Vorlagen

„Der optimale Template-Effekt in Hippocampus-Studien erkrankter Populationen“ . Neuroimage (2010). [Link]

Bildsegmentierung

Ein multivariates Open-Source-Framework für die N-Gewebe-Segmentierung mit Auswertung öffentlicher Daten . Neuroinformatik (2011). [Link]

Multi-Atlas-Segmentierung mit gemeinsamer Etikettenfusion und korrigierendem Lernen – eine Open-Source-Implementierung . Front Neuroinform (2013). [Link]

Bias-Korrektur

N4ITK: verbesserte N3-Bias-Korrektur . IEEE Trans Med Imaging (2010). [Link]

Kortikale Dicke

Registrierungsbasierte Messung der kortikalen Dicke . Neuroimage (2009). [Link]

Groß angelegte Auswertung von ANTs und FreeSurfer-Messungen der kortikalen Dicke . Neuroimage (2014). [Link]

„Regionale und hemisphärische Variation der kortikalen Dicke bei Schimpansen“ . J Neurosci (2013). [Link]

Längskartierung kortikaler Dickenmessungen: Eine auf der Neuroimaging-Initiative der Alzheimer-Krankheit basierende Evaluierungsstudie . J Alzheimers Dis (2019). [Link]

Eigenanatomie

„Eigenanatomie verbessert die Erkennungsleistung für longitudinale kortikale Veränderungen“ . Med Image Comput Comput Assist Interv (2012). [Link]

Die Bildgebung der weißen Substanz hilft bei der Dissoziation von Tau von TDP-43 bei der frontotemporalen Lappendegeneration . J Neurol Neurosurg Psychiatry (2013). [Link]