發(fā)布成功
根據(jù)用戶需求，將該軟件設計分成五大模塊。五大模塊具體功能如下：
1 預處理
a.結構磁共振圖像預處理
結構磁共振預處理要實現(xiàn)的功能包括空間標準化，目的是將不同的圖像配準到同一個標準空間中，具備同一個坐標系統(tǒng)；然后對腦結構圖像進行平滑，用半高寬的大小決定平滑核的大小。
b.功能磁共振圖像預處理
用剛體變換算法將輸入的圖像配準到參考圖像上，實現(xiàn)頭動校正，減小因為頭動造成的實驗誤差；根據(jù)掃描方式的不同選擇不同的事件層校正算法，FSL中提供了三種不同的校正方法；通過設定半高寬的數(shù)值，來實現(xiàn)空間平滑的功能；每個體素的時間序列包括掃描者生理信號（心動周期、呼吸等）和一些高頻噪聲，用時間濾波的方法，去除低頻或高頻信號；灰度標準化，FSL中FEAT工具箱自動完成該功能。
2 海馬分割
a.手動分割海馬
需具備所有的圖像顯示功能；鼠標左鍵點擊圖像，會記錄該點的坐標，兩點連成一線，多點連成一體；將每層畫出的ROI合成總的三維圖像，并存儲。
b.結構分割海馬
基于多圖譜分割方法進行海馬的自動分割，對其中的標簽融合步驟進行改進，通過使用流形學習獲取圖像塊在低維空間中的坐標表示，在低維空間中賦予圖譜圖像塊權重值，并進行標簽融合，實現(xiàn)快速準確地海馬分割。
該部分有現(xiàn)成的C++代碼，在Ubuntu下集成到Python程序中即可。
c.功能分割海馬亞區(qū)
因為前額葉皮層、后扣帶皮層、丘腦和海馬存在著功能連接，所以選取這三個作為種子區(qū)域，分別將三個種子區(qū)域的每個體素和海馬的所有體素做偏相關，選取最大的偏相關系數(shù)代表的體素點，給該Voxel一個標簽，這樣所有的海馬體素點就帶有了三個種子區(qū)域的標簽，從而將海馬分成三個亞區(qū)——頭，體，尾。
該部分有文獻，實現(xiàn)文獻中的算法即可。
3 網(wǎng)絡連接分析
a.基于海馬的腦結構網(wǎng)絡連接
基于結構數(shù)據(jù)分割出的海馬結構，做海馬區(qū)與全腦的腦結構網(wǎng)絡連接：將分割出的海馬提取出灰質(zhì)數(shù)據(jù)，將所有灰質(zhì)數(shù)據(jù)求平均，把平均值設為一個種子點，與全腦的體素做相關，就得到了海馬與全腦的結構網(wǎng)絡連接。
b.基于海馬亞區(qū)的腦功能網(wǎng)絡連接
基于分割出的三個海馬亞區(qū)，將每個亞區(qū)中的所有體素求平均值，把每個平均值作為一個種子點，計算種子點與全腦體素的相關系數(shù)，得到三個亞區(qū)與全腦的網(wǎng)絡連接。
4 統(tǒng)計分析
該部分要實現(xiàn)的具體功能是把經(jīng)過分割得到的海馬體積進行形態(tài)學分析，分析方法主要包括：方差分析，單樣本T檢驗，雙樣本T檢驗，獨立成分分析，皮爾森相關系數(shù)分析。
5 可視化
該部分要實現(xiàn)的具體功能圖像的讀取、存儲，圖像格式包括DICOM、NIFTI、NIFTI_PAIR、ANALYZE_GZ、NIFTI_GZ、NIFTI_PAIR_GZ；圖像的三維顯示，默認情況是橫斷面、矢狀面、冠狀面的單層顯示且三個圖像實時關聯(lián)，拖動滑條顯示一個面的不同層；圖像的放大、縮小、平移；光標位置數(shù)值顯示MNI坐標以及native坐標，移動光標，x,y,z數(shù)值相應的改變；不同窗口同步坐標變化
1、我愛方案網(wǎng)是會員制服務，服務商通過競標后即可聯(lián)系雇主；
2、項目預算與報價不代表最終成交價格，成交價以雙方協(xié)商為準；
3、平臺提供設計項目對接服務，希望促成高效合作，對交易雙方不收取傭金，謝謝留意！
聯(lián)系方式：
競標后可見
好評率：
100%
發(fā)包數(shù)量：
0
選中數(shù)量：
2
