clinica

<h1 align="center"> <a href="http://www.clinica.run"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/d3d5d91d-4fba-46aa-9750-921091d127d5.png" alt="标志" width="120" height="120"> </a> <br/> Clinica </h1> <p align="center"><strong>临床神经影像研究软件平台</strong></p> <p align="center"> <a href="https://ci.inria.fr/clinica-aramis/job/clinica/job/dev/"> <img src="https://ci.inria.fr/clinica-aramis/buildStatus/icon?job=clinica%2Fdev" alt="构建状态"> </a> <a href="https://badge.fury.io/py/clinica"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/1ef7e7ed-2e45-4f4b-8fa9-99a3864463b3.svg" alt="PyPI版本"> </a> <a href="https://pypi.org/project/clinica"> <img src="https://img.shields.io/pypi/pyversions/clinica" alt="支持的Python版本"> </a> <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/Installation/"> </a> <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/Installation/"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/0a83f517-e4ed-4d91-8267-f4061e96755b.svg" alt="平台"> </a> <a href="https://github.com/psf/black"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/1a1e5e0e-c566-462c-ad5d-6495867fcb9c.svg" alt="代码风格：black"> </a> <a href="https://pepy.tech/project/clinica"> <img src="https://static.pepy.tech/badge/clinica/month" alt="下载量"> </a> </p> <p align="center"> <a href="http://www.clinica.run">主页</a> | <a href="https://aramislab.paris.inria.fr/clinica/docs/public/latest/">文档</a> | <a href="https://doi.org/10.3389/fninf.2021.689675">论文</a> | <a href="https://github.com/aramis-lab/clinica/discussions">论坛</a> | 另请参阅： <a href="#related-repositories">AD-ML</a>、 <a href="#related-repositories">AD-DL</a>、 <a href="#related-repositories">ClinicaDL</a> </p>

关于项目

Clinica是一个面向神经和精神疾病患者临床研究的软件平台，支持多模态数据采集（神经影像、临床和认知评估、遗传学等），通常包含纵向随访。

Clinica采用命令行驱动，使用Python编写。它利用Nipype系统进行流程处理，并结合了广泛使用的神经影像数据分析软件包（ANTs、FreeSurfer、FSL、MRtrix、PETPVC、SPM）、机器学习（Scikit-learn）以及用于数据组织的BIDS标准。

Clinica提供工具将公开可用的神经影像数据集转换为BIDS格式，包括：

Clinica可以处理任何符合BIDS标准的数据集，通过一系列复杂的处理流程，涉及不同的神经影像数据分析软件包（T1加权MRI、扩散MRI和PET数据）。它还提供了特征提取与统计、机器学习或深度学习之间的整合。

Clinica流程 Clinica还被展示为一个使用机器学习和深度学习对阿尔茨海默病进行可重复分类的框架。

入门

完整的安装说明和其他信息可以在用户文档中找到。

使用pipx（推荐）

可以使用pipx轻松安装和更新Clinica。

pipx install clinica

使用pip

pip install clinica

使用Conda

Clinica依赖多个第三方工具进行处理。

本仓库提供了一个环境文件，以便在Conda环境中安装这些工具：

git clone https://github.com/aramis-lab/clinica && cd clinica
conda env create
conda activate clinica

激活后，使用pip安装Clinica。

额外依赖（必需）

根据你想使用的管道，你需要安装特定管道的接口。其中一些使用不同的运行时或使用不兼容的许可条款，这阻止了它们与Clinica一起分发。并非所有依赖都是运行Clinica所必需的。请参考此页面以确定你需要安装哪些第三方库。

示例

下图illustrates了在对ADNI数据库中阿尔茨海默病患者和健康对照组之间的FDG PET数据进行皮层表面投影的组间比较时所涉及的Clinica管道：

ClinicaExample

从ADNI网站下载临床和神经影像数据，并使用adni-to-bids转换器将数据转换为BIDS格式。
然后使用t1-freesurfer管道生成皮层和白质表面的估计。
使用pet-surface管道可以将FDG PET数据投影到受试者的皮层表面上，并归一化到FreeSurfer的FsAverage模板。
将包含所研究人群人口统计信息的TSV文件提供给statistics-surface管道，以生成组间比较的结果。

更多示例和详细信息，请参阅文档。

支持

查看旧Clinica Google群组中的过往回答
在Github上开始讨论
在GitHub上报告问题

贡献

我们鼓励你为Clinica做出贡献！请查看《为Clinica贡献指南》了解如何进行的指导。如果你有不清楚的地方，不要犹豫，请提问、报告问题等。

许可证

本软件在MIT许可证下分发。更多信息请参见许可证文件。

引用我们

Routier, A., Burgos, N., Díaz, M., Bacci, M., Bottani, S., El-Rifai O., Fontanella, S., Gori, P., Guillon, J., Guyot, A., Hassanaly, R., Jacquemont, T., Lu, P., Marcoux, A., Moreau, T., Samper-González, J., Teichmann, M., Thibeau-Sutre, E., Vaillant G., Wen, J., Wild, A., Habert, M.-O., Durrleman, S., and Colliot, O.: 《Clinica：一个用于可重复临床神经科学研究的开源软件平台》，神经信息学前沿，2021 doi:10.3389/fninf.2021.689675