数据集的预处理_pytorch自定义数据集[通俗易懂]

项目网址：
http://preprocessed-connectomes-project.org/abide/index.html

1 总览

Preprocessed Connectomes Project (PCP) 项目从Autism Brain Imaging Data Exchange (ABIDE)公众发布和开放共享预处理神经影像数据。由国际神经影像数据共享倡议组织（INDI）组成的联盟是由16个国际影像站点协作组成，这些站点已聚集并公开共享了539名患有ASD和573个典型对照者的神经影像数据。这1112个数据集由结构MRI数据（sMRI）和静止状态功能MRI数据（rs-fMRI）以及大量的表型信息组成。

ABIDE项目网址：
http://fcon_1000.projects.nitrc.org/indi/abide/

五个不同的团队使用他们首选的工具对ABIDE的数据进行了预处理。使用以下程序执行功能性预处理：

• Connectome计算系统（CCS）：the Connectome Computation System (CCS)
• Connectomes分析的可配置管道（CPAC）： the Configurable Pipeline for the Analysis of Connectomes (CPAC)
• 静止状态fMRI的数据处理助手（DPARSF）：the Data Processing Assistant for Resting-State fMRI (DPARSF)
• NeuroImaging 分析套件： the NeuroImaging Analysis Kit

由于围绕带通滤波和全局信号回归的争议，对每个管线执行了四种不同的预处理策略：带和不带滤波以及带和不带全局信号校正的所有组合。为了将输出之间的差异限制为仅进行预处理，CPAC软件计算了每个管道和策略的统计衍生物。使用三个不同的管道进行结构预处理和皮质测量的计算： ANTS， CIVET和FreeSurfer。
根据HIPAA准则和1000个功能连接组项目/ INDI协议，所有数据集都是匿名的，不包括受保护的健康信息。

2 下载地址

当前，ABIDE预处理计划的结果可在公共Amazon S3存储桶中获得。对于每个参与者，管道和策略，S3上的数据存储为每个衍生产品的单个文件，这为下载的文件提供了灵活性。将来，我们希望提供有关NITRC的数据以及每个衍生工具，管道和策略的tar文件。
具体见：http://preprocessed-connectomes-project.org/abide/download.html

3 Pipeline

3.1 功能预处理

关于预处理静息状态功能磁共振成像数据的最佳方法尚无共识。我们使用四个不同的预处理管道对数据进行了预处理，而不是强制性说明并偏向于采用一种单一的处理策略，每种预处理管道都是使用管道开发人员选择的参数和设置来实现的。

• Connectome计算系统（CCS）
• 用于连接组分析的可配置管道（CPAC）
• 静止状态功能磁共振成像（DPARSF）的数据处理助手
• 神经影像分析试剂盒（NIAK）

不同管道实现的预处理步骤非常相似。变化最大的是每个步骤所使用的特定算法，其软件实现以及所使用的参数。以下各节概述了不同的预处理步骤以及它们在管道中的变化方式。

3.2 基本加工

3.3 去除有害信号

每个流水线实现某种形式的扰变量回归的1，2至干净混杂的变化，由于生理过程（心脏搏动和呼吸），头部运动，和低频扫描器漂移，从功能磁共振成像信号。

3.4 加工策略

每个管道用于计算四种不同的预处理策略：

对于包括全局信号校正的策略，全局平均信号包含在讨厌变量回归中。在有害变量回归之后应用带通滤波（0.01-0.1 Hz）。

3.5 注册

从功能到解剖和解剖到模板的转换为每个数据集计算了从原始到模板的转换（MNI152）空间。使用两步过程来计算解剖结构到模板的变换，该过程涉及（一个或多个）线性变换，随后使用非常高维的非线性变换对其进行细化。当将数据写入模板空间时（通常在计算导数之后，除了NIAK之外），所有转换都同时使用以避免多次插值。

4 Github项目网址

https://github.com/preprocessed-connectomes-project

今天的文章数据集的预处理_pytorch自定义数据集[通俗易懂]分享到此就结束了，感谢您的阅读。