neurite - 医疗影像分析神经网络工具箱，支持TensorFlow和Keras

Neurite 项目介绍

Neurite 是一个专注于医学图像分析的神经网络工具库，目前基于 TensorFlow 和 Keras 开发。该项目为医疗图像处理提供了一系列强大的工具和实用函数，旨在帮助研究人员和开发者在医学图像分析领域取得更高效的成果。

用户可以通过两种方式安装 Neurite 库。首先，可以克隆 GitHub 仓库并根据 setup.py 文件中的要求进行安装。其次，可以直接使用 pip 进行安装，具体命令如下：

pip install neurite

Neurite 提供了丰富的工具和模块，主要包括：

网络层（layers）： 提供了多种网络层以及稀疏操作，比如 SpatiallySparse_Dense 和 LocallyConnected3D，这些目前尚未在 Keras 中集成。
实用工具（utils）： 包含各种实用工具，例如 N 维网格插值 interpn 和几种非线性操作。此外，还提供了模型堆叠工具 stack_models、(V)AE 模型分析工具、分割工具等。
模型（models）： 提供灵活的模型配置，尤其适用于医疗图像分析，如 UNet/沙漏模型、卷积编码器和解码器等。
生成器（generators）： 支持生成医学图像体积以及与分割、分类等相关的多种组合输出。
回调函数（callbacks）： 提供了一系列用于 Keras 训练的回调函数，比如 Dice 测量和体积-分割重叠，以帮助了解模型拟合情况。
数据处理（dataproc）： 包含用于医学图像数据处理的工具，以便为训练和测试做好准备。
度量（metrics）： 提供多种度量函数，这些度量通常也可以作为损失函数使用，例如 Dice 或加权分类交叉熵。
绘图工具（plot）： 提供绘图工具，主要用于调试模型。

如果在您的研究中使用了 Neurite 代码，请引用以下论文：

"Anatomical Priors in Convolutional Networks for Unsupervised Biomedical Segmentation"
作者：Adrian V. Dalca, John Guttag, Mert R. Sabuncu
发布于 CVPR 2018。
"Unsupervised Data Imputation via Variational Inference of Deep Subspaces"
作者：Adrian V. Dalca, John Guttag, Mert R. Sabuncu
Arxiv 2019 预印本。

Neurite 欢迎社区贡献代码。在提交代码前，请确保遵循 pep8 规范，但忽略 E731,W291,W503,W504。如果有问题或建议，请优先通过 GitHub 提交 issue，或联系项目负责人 Adrian Dalca。

Neurite 的部分组件被应用于其它项目中，如 VoxelMorph 和 brainstorm，鼓励用户查阅并学习这些项目。Neurite 的设计目标是为医学图像处理提供高效工具，促进学术研究与实际应用的结合。