Deep-MI/FastSurfer

FastSurfer – 快速概览

功能说明 – FastSurfer 是一个基于深度学习的神经影像处理流程，旨在取代传统的 FreeSurfer 工作流程。它接收高分辨率 T1 加权 MRI（可选配 T2），并产生：

• 在 GPU 上几分钟内完成全脑组织与皮质分区（95 类）。
• 通过专用网络处理如胼胝体、小脑与下丘脑等子结构。
• 约 20-40 分钟内完成表面重建与皮质厚度图，效果与 FreeSurfer 相当但速度快得多。

重要性 – 传统的 FreeSurfer 每个受试者可能需要数小时，且在处理亚毫米级数据时较为吃力。FastSurfer 的 VIN 风格网络具有分辨率独立性，因此即使在 0.7 mm 等向扫描上也能快速运行，从而实现大规模研究与更高分辨率的分析。

如何获取 – 提供预先构建的 Docker、Apptainer/Singularity 或 macOS 软件包；亦可进行原生安装。所有容器皆已打包所需软件，但您必须提供免费的 FreeSurfer 许可协议以进行表面处理阶段。

典型工作流程

1. 使用 run_fastsurfer.sh 并搭配参数，例如 --t1 <path> --sd <subjects_dir> --sid <id> --fs_license <file>。
2. 选择模块：--seg_only 仅进行快速分割，--surf_only 仅进行表面重建，或执行完整流程。
3. 可选扩展功能：FastSurfer-LIT 可在提供掩膜时进行病灶修复。

输出 – 分割体积 (asegdkt, cerebnet, hypvinn)、胼胝体掩膜、表面文件 (.surf, .thickness)，以及适用于后续 FreeSurfer 工具的 CSV/TSV 统计数据。

硬件需求 – 默认为 GPU 加速模式；CPU 模式亦可运行但速度较慢。建议规格：6 核心 CPU、≥16 GB RAM、NVIDIA ≥2016 且具备 ≥12 GB VRAM（或 Apple-silicon 的 macOS）。

引用 – 若您发表论文，请引用 README 中列出的 NeuroImage 系列论文 (FastSurfer, FastSurferVINN, CerebNet, FastSurfer-HypVINN, FastSurfer-CC, FastSurfer-LIT)。