jcreinhold/intensity-normalization

解决的问题

磁共振（MR）图像在不同的扫描仪、站点和会话之间缺乏一致的强度尺度。这种不一致性是一种采集伪影，通常会干扰下游处理，特别是对于机器学习模型而言。

工作原理

该包提供两大类标准化方法：

• 个体方法：这些是对单个图像进行操作的普通函数（例如 zscore、fcm、kde、whitestripe）。
• 群体方法：这些方法从一组图像中学习转换并将其保存，允许将相同的转换应用于新的扫描（例如 nyul、lsq、ravel）。

它还包含用于组织成员图、用于验证的直方图绘制、N4 预处理以及通过 ANTs 进行共配准的工具。

适用人群

从事医学影像工作的研究人员和开发人员，特别是那些为机器学习或其他自动化处理流水线准备 MR 图像的人员。

亮点

• 支持多种 MR 序列，包括 T1-w、T2-w、FLAIR 和 PD-w。
• 提供多种个体和基于群体的标准化技术。
• 提供用于快速处理的 CLI，无需编写代码。
• 与 numpy 和 nibabel 集成以进行图像数据处理。