clinica

clinica

多模态神经影像分析平台 支持临床研究

Clinica是一个开源的临床神经影像研究软件平台,支持多模态数据处理。平台提供多种处理流程,用于分析T1加权MRI、弥散MRI和PET数据。它可将公开数据集转换为BIDS格式,并集成机器学习和深度学习技术。Clinica为神经退行性疾病研究提供了有力工具,尤其适用于阿尔茨海默病等领域。

Clinica临床神经影像数据处理管道BIDS标准机器学习Github开源项目
<h1 align="center"> <a href="http://www.clinica.run"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/d3d5d91d-4fba-46aa-9750-921091d127d5.png" alt="标志" width="120" height="120"> </a> <br/> Clinica </h1> <p align="center"><strong>临床神经影像研究软件平台</strong></p> <p align="center"> <a href="https://ci.inria.fr/clinica-aramis/job/clinica/job/dev/"> <img src="https://ci.inria.fr/clinica-aramis/buildStatus/icon?job=clinica%2Fdev" alt="构建状态"> </a> <a href="https://badge.fury.io/py/clinica"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/1ef7e7ed-2e45-4f4b-8fa9-99a3864463b3.svg" alt="PyPI版本"> </a> <a href="https://pypi.org/project/clinica"> <img src="https://img.shields.io/pypi/pyversions/clinica" alt="支持的Python版本"> </a> <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/Installation/"> </a> <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/Installation/"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/0a83f517-e4ed-4d91-8267-f4061e96755b.svg" alt="平台"> </a> <a href="https://github.com/psf/black"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/1a1e5e0e-c566-462c-ad5d-6495867fcb9c.svg" alt="代码风格:black"> </a> <a href="https://pepy.tech/project/clinica"> <img src="https://static.pepy.tech/badge/clinica/month" alt="下载量"> </a> </p> <p align="center"> <a href="http://www.clinica.run">主页</a> | <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/">文档</a> | <a href="https://doi.org/10.3389/fninf.2021.689675">论文</a> | <a href="https://github.com/aramis-lab/clinica/discussions">论坛</a> | 另请参阅: <a href="#related-repositories">AD-ML</a>、 <a href="#related-repositories">AD-DL</a>、 <a href="#related-repositories">ClinicaDL</a> </p>

关于项目

Clinica是一个面向神经和精神疾病患者临床研究的软件平台,支持多模态数据采集(神经影像、临床和认知评估、遗传学等),通常包含纵向随访。

Clinica采用命令行驱动,使用Python编写。它利用Nipype系统进行流程处理,并结合了广泛使用的神经影像数据分析软件包(ANTsFreeSurferFSLMRtrixPETPVCSPM)、机器学习(Scikit-learn)以及用于数据组织的BIDS标准

Clinica提供工具将公开可用的神经影像数据集转换为BIDS格式,包括:

Clinica可以处理任何符合BIDS标准的数据集,通过一系列复杂的处理流程,涉及不同的神经影像数据分析软件包(T1加权MRI、扩散MRI和PET数据)。它还提供了特征提取与统计、机器学习或深度学习之间的整合。

Clinica流程 Clinica还被展示为一个使用机器学习和深度学习对阿尔茨海默病进行可重复分类的框架。

入门

完整的安装说明和其他信息可以在用户文档中找到。

使用pipx(推荐)

可以使用pipx轻松安装和更新Clinica。

pipx install clinica

使用pip

pip install clinica

使用Conda

Clinica依赖多个第三方工具进行处理。

本仓库提供了一个环境文件,以便在Conda环境中安装这些工具:

git clone https://github.com/aramis-lab/clinica && cd clinica conda env create conda activate clinica

激活后,使用pip安装Clinica。

额外依赖(必需)

根据你想使用的管道,你需要安装特定管道的接口。其中一些使用不同的运行时或使用不兼容的许可条款,这阻止了它们与Clinica一起分发。并非所有依赖都是运行Clinica所必需的。请参考此页面以确定你需要安装哪些第三方库。

示例

下图illustrates了在对ADNI数据库中阿尔茨海默病患者和健康对照组之间的FDG PET数据进行皮层表面投影的组间比较时所涉及的Clinica管道:

ClinicaExample

  1. 从ADNI网站下载临床和神经影像数据,并使用adni-to-bids转换器将数据转换为BIDS格式。
  2. 然后使用t1-freesurfer管道生成皮层和白质表面的估计。
  3. 使用pet-surface管道可以将FDG PET数据投影到受试者的皮层表面上,并归一化到FreeSurfer的FsAverage模板。
  4. 将包含所研究人群人口统计信息的TSV文件提供给statistics-surface管道,以生成组间比较的结果。

更多示例和详细信息,请参阅文档。

支持

  • 查看旧Clinica Google群组中的过往回答
  • 在Github上开始讨论
  • 在GitHub上报告问题

贡献

我们鼓励你为Clinica做出贡献!请查看《为Clinica贡献指南》了解如何进行的指导。如果你有不清楚的地方,不要犹豫,请提问、报告问题等。

许可证

本软件在MIT许可证下分发。更多信息请参见许可证文件。

引用我们

  • Routier, A., Burgos, N., Díaz, M., Bacci, M., Bottani, S., El-Rifai O., Fontanella, S., Gori, P., Guillon, J., Guyot, A., Hassanaly, R., Jacquemont, T., Lu, P., Marcoux, A., Moreau, T., Samper-González, J., Teichmann, M., Thibeau-Sutre, E., Vaillant G., Wen, J., Wild, A., Habert, M.-O., Durrleman, S., and Colliot, O.: 《Clinica:一个用于可重复临床神经科学研究的开源软件平台》,神经信息学前沿,2021 doi:10.3389/fninf.2021.689675

相关仓库

  • AD-DL:使用卷积神经网络对阿尔茨海默病状态进行分类。
  • AD-ML:使用机器学习对阿尔茨海默病进行可重复分类的框架。
  • ClinicaDL:使用深度学习方法对神经影像数据进行可重复处理的框架。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多