jcreinhold/intensity-normalization

해결하는 문제

자기공명(MR) 영상은 스캐너, 사이트 및 세션 간에 일관된 강도 척도가 부족합니다. 이러한 불일치는 획득 아티팩트로, 종종 다운스트림 처리, 특히 머신러닝 모델에 혼란을 줍니다.

작동 방식

이 패키지는 두 가지 주요 정규화 방법 카테고리를 제공합니다:

• 개별 방법: 단일 이미지에 대해 작동하는 일반 함수입니다 (예: zscore, fcm, kde, whitestripe).
• 집단 방법: 이미지 세트로부터 변환을 학습하고 저장하여, 동일한 변환을 새로운 스캔에 적용할 수 있게 합니다 (예: nyul, lsq, ravel).

또한 조직 멤버십 맵, 검증을 위한 히스토그램 플로팅, N4 전처리 및 ANTs를 통한 코-레지스트레이션을 위한 도구가 포함되어 있습니다.

대상 독자

의료 영상으로 작업하는 연구원 및 개발자, 특히 머신러닝 또는 기타 자동화된 처리 파이프라인을 위해 MR 이미지를 준비하는 사람들.

주요 특징

• T1-w, T2-w, FLAIR 및 PD-w를 포함한 여러 MR 시퀀스를 지원합니다.
• 다양한 개별 및 집단 기반 정규화 기술을 제공합니다.
• 코드 작성 없이 빠른 처리를 위한 CLI를 제공합니다.
• 이미지 데이터 처리를 위해 numpy 및 nibabel과 통합됩니다.