ANTs下載 - ANTs原始碼下載

ANTs

其他源碼

Gracilidris

下載

高級標準化工具 (ANTs)是一個可透過命令列使用的 C++ 庫，用於計算高維映射以捕獲大腦結構和功能的統計資料。它允許人們組織、視覺化和統計探索大型生物醫學影像集。此外，它整合了空間+時間的成像模式，並以最小的客製化跨物種或器官系統工作。

ANTs 庫被認為是最先進的醫學影像配準和分割工具包，它依賴 Insight ToolKit，這是 ANTs 開發人員貢獻的廣泛使用的醫學影像處理庫。 ANTs相關工具也贏得了多項國際公正的競賽，例如MICCAI、BRATS和STACOM。

可以在 R (ANTsR) 和 Python (ANTsPy) 中使用 ANT，並在 R (ANTsRNet) 和 Python (ANTsPyNet) 中提供深度學習的附加功能。這些函式庫有助於將 ANT 與更廣泛的 R / Python 生態系統整合。

安裝

快速連結：下載二進位檔案 |從原始碼建置 |碼頭工人 |康達。

預編譯的二進位檔案

安裝 ANT 最簡單的方法是在發布頁面下載最新的二進位。在「資產」部分下載最新版本，然後解壓縮存檔。接下來，將 ANTs 庫新增到您的 PATH 中：

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

您可以透過執行命令查找任何 ANT 函數的路徑來檢查這是否有效：

 which antsRegistration

如果可行，您應該能夠從命令列或 bash 使用 ANT 的完整功能。您可能希望透過設定環境變數ITK_GLOBAL_DEFAULT_NUMBER_OF_THREADS來控制多執行緒。

從源頭構建

必要時，您還可以從最新的原始程式碼建立 ANT。 Linux / Mac 上的一個最小範例如下所示：

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

更多詳細資訊和完整的可下載安裝腳本可以在 Linux/MacOS 指南中找到。從原始碼建置通常可以在 Windows 上運行，並且需要執行 Windows 指南中解釋的一些附加步驟。或者，也可以透過 Docker 或 Conda 安裝 ANT。

程式碼範例

ANTs 是一個靈活的庫，可用於各種應用程式和領域。以下是範例腳本的集合，只需稍加努力即可調整以滿足您的特定需求。一些範例還包括 ANTsR 或 ANTsPy 的程式碼。

登記

基本註冊 [連結]
帶口罩的基本註冊 [連結]
變形大[連結]
不對稱性 [連結]
汽車登記[連結]
點集映射 [連結]
全域最佳化[連結]

模板施工

大腦模板 [連結]
單主題模板 [連結]
範本的「烹飪」組織先驗[連結]

皮質厚度

基本皮質厚度 [連結]
黑猩猩的例子[連結]

分割

N4偏差校正+Atropos [連結]
腦腫瘤分割[連結]

腦

基本大腦圖譜 [連結]
大腦提取[連結]
多圖集聯合標籤/強度融合 [鏈接，鏈接]（來源：@chsasank）
fMRI 或運動校正 [連結]
功能性磁振造影重現性 [連結]
部分 EPI 板到 T1 影像配準 [連結]

另請參閱我們預先建立的 ANT 模板，其中包含可供下載的空間先驗 [常規，MNI]。

肺

CT 肺部登記 [連結]
肺面罩註冊 [連結]
肺和肺葉估計 [連結]
基於肺通氣的分割 [連結]

心臟

基本範例[連結]

其他

基於補丁的超解析度 [連結]
影像去雜訊[連結]
變形[連結]

學習資源

有許多不同的資源可用於學習如何使用 ANT 函數及其背後的方法。這裡提供了精選的有用資源清單。

ANT 維基 [連結]
ANT 文件 [連結]
ANT 教學 [連結]

以下也介紹了一些針對特定 ANT 功能的常見教學。

使用螞蟻註冊 [連結]
使用 antsApplyTransforms 應用程式扭曲 [連結]
使用 antsCorticalThickness [連結]
使用 N4BiasFieldCorrection [連結]
多模態演示[連結]

貢獻

如果您有問題、功能請求或錯誤報告，獲得協助的最佳方法是在 GitHub 頁面上發布問題。請記住，如果您沒有提供足夠的資訊來重現您的問題或環境，則很難提供任何幫助。

我們歡迎任何改進 ANT 的新貢獻和想法。如果您想貢獻程式碼，最好的開始方式是閱讀 Wiki 以了解專案或發布問題。

團隊

ANT 的開發由 Brian B. Avants（創作者、演算法設計、實作）、Nicholas J. Tustison（Compeller、演算法設計、實作大師）、Hans J. Johnson（大規模應用、測試、軟體設計）、Gang 領導Song （創辦人）、Philip A. Cook、Jeffrey T. Duda (DTI)、Ben M. Kandel（灌注、多元分析）和Nick Cullen（Python、R）。