HD-BET 脑部提取工具安装及使用指南
HD-BET项目地址:https://gitcode.com/gh_mirrors/hd/HD-BET
项目介绍
HD-BET 是一款高性能脑部结构自动分割软件,由德国癌症研究中心(German Cancer Research Center)MIC-DKFZ 部门研发。该项目旨在提供一种精确且快速的方法来从磁共振图像中分离出脑部区域。其核心优势在于能够处理各种MRI序列数据,包括但不限于预对比增强的T1加权像(T1-w),T2加权像(T2-w)以及FLAIR序列。
项目快速启动
系统要求
确保你的系统已经安装了Python版本至少是3.X,并且对应的pip已准备好。如果在运行以下命令时未显示正确的Python版本,请先确保正确安装了Python 3并连接到相应的pip版本。
pip --version
安装步骤
- 克隆HD-BET仓库至本地
git clone https://github.com/MIC-DKFZ/HD-BET.git
- 进入克隆后的HD-BET目录
cd HD-BET
- 安装项目依赖
pip install -r requirements.txt
- 安装HD-BET
pip install -e .
使用示例
对于单个文件的处理,可以使用以下命令:
hd-bet -i INPUT_FILENAME
其中,INPUT_FILENAME 必须是一个 NIfTI 文件(.nii.gz) ,含有3D MRI 图像数据,不支持4D序列(但可以在预先分割成单独的时间卷之后处理)。
为了优化GPU性能,建议一次处理整个文件夹的数据以减少加载和初始化模型带来的开销:
hd-bet -i INPUT_FOLDER -o OUTPUT_FOLDER
这个命令将搜索INPUT_FOLDER下的所有NIfTI文件(*.nii.gz),并将脑部掩码保存在同一名称下至OUTPUT_FOLDER。
如果您的设备没有GPU或偏好CPU模式,可以通过添加 -device cpu
参数进行配置:
hd-bet -i INPUT_FILENAME -device cpu
应用案例和最佳实践
最佳实践一:确保输入图像方向一致
输入图像必须与标准MNI152模板的方向匹配。如果不确定是否符合此条件,可使用fslreorient2std工具进行前期检查和调整。
最佳实践二:内存需求与性能提升
尽管GPU加速提供了显著的速度提升,但对于没有GPU环境的情况,也可以通过设置 fast
模式以及关闭时间测试数据扩增(-tta 0
)来加速处理速度。
典型生态项目
目前,由于HD-BET专注于神经影像学领域,尤其是脑部MRI处理,与其他神经影像分析工具如FSL、AFNI等配合使用时效果更佳。例如,在基于FSL的管道中用于前期的脑部分割,可以极大地提高后续分析的精度和效率。
以上是对HD-BET项目的详细介绍及其基本使用的说明。更多详细信息和高级功能可以参考HD-BET GitHub页面。