解剖空间惯例变得简单
bg-space的Python项目详细描述
背景空间
解剖空间惯例变得简单。在
在处理解剖图像时，经常会遇到与轴方向和顺序有关的不同约定的堆栈方向的匹配问题。此外，当涉及多个交换和翻转时，将相同的变换映射到体积和点（例如，坐标或网格）可能会很麻烦。在
bg-space提供了一种定义解剖空间、操作堆栈和空间之间点转换的简洁方法。在
安装
您可以使用以下工具安装bg-space：
pip install bg-space
使用
要定义新的解剖空间，只需给出堆栈原点位置的方向即可：
^{pr2}$然后可以轻松地将堆栈从源空间转换到目标空间：
importbg_spaceasbgimportnumpyasnpstack=np.random.rand(3,2,4)mapped_stack=bg.map_stack_to(source_origin,target_origin,stack)
转换仅使用numpy索引操作处理；，即，不复杂 应用图像仿射变换。作为开始任何类型的图像注册的准备步骤，这通常非常有用。在
缩短的语法可用于使用原点方向的首字母来定义空间：
mapped_stack=bg.map_stack_to("lsa","ipr",stack)
注释
使用堆栈时，当使用matplotlib显示第一个元素stack[0, :, :]或使用ImageJ打开堆栈时，原点是左上角。第一个维度是要切片的维度，第二个维度是图像的高度，第三个维度是图像的宽度。在
AnatomicalSpace类
有时，与堆栈一起，我们必须移动一组点（单元坐标、网格等）。这就增加了跟踪原点偏移的复杂性，以及轴交换和翻转。在
为了处理这种情况，我们可以使用AnatomicalSpace定义一个源空间
类，同时指定堆栈形状：
stack=np.random.rand(3,2,4)# a stack in source spaceannotations=np.array([[0,0,0],[2,1,3]])# related point annotationssource_space=bg.AnatomicalSpace(target_origin,stack.shape)mapped_stack=source_space.map_stack_to("ipr",stack)# transform the stackmapped_annotations=source_space.map_points_to("ipr",annotations)# transform the points
通过生成变换矩阵对点进行变换。 最后，如果我们想记录这个矩阵（例如，重建注册的完整转换序列），我们可以得到：
target_space=bg.AnatomicalSpace("ipr",stack.shape)transformation_matrix=AnatomicalSpace.transformation_matrix_to(target_space)# equivalent to:transformation_matrix=AnatomicalSpace.transformation_matrix_to("ipr",stack.shape)
目标get始终定义为bg.AnatomicalSpace对象，或有效的原始规范加上形状（仅当需要轴翻转时才需要该形状）。在
匹配空间分辨率和偏移
AnatomicalSpace类还可以处理堆栈重采样/填充/裁剪。这需要在实例化AnatomicalSpace对象时简单地指定分辨率和偏移量的值。完成后，使用AnatomicalSpace.transformation_matrix_to创建从一个空间到另一个空间的仿射变换矩阵将是小菜一碟！在
source_space=bgs.AnatomicalSpace("asl",resolution=(2,1,2),offset=(1,0,0))target_space=bgs.AnatomicalSpace("sal",resolution=(1,1,1),offset=(0,0,2))source_space.transformation_matrix_to(target_space)
此外，我们现在可以使用这些空间对象对堆栈进行重新采样，并通过指定目标偏移量来生成与目标形状匹配的堆栈：
source_space=bgs.AnatomicalSpace("asl",resolution=(2,1,2),offset=(1,0,0))target_space=bgs.AnatomicalSpace("asl",resolution=(1,1,1),shape=(5,4,2))# we need a target shapesource_space.transformation_matrix_to(target_space,stack,to_target_shape=True)
投影上的简单迭代
最后，BGSpace的另一个方便功能是可以轻松迭代堆栈的投影，并生成节名和轴标签：
sc=bg.AnatomicalSpace("asl")# origin for the stack to be plottedfori,(plane,labels)inenumerate(zip(sc.sections,sc.axis_labels)):axs[i].imshow(stack.mean(i))axs[i].set_title(f"{plane.capitalize()} view")axs[i].set_ylabel(labels[0])axs[i].set_xlabel(labels[1])
- 项目
标签：
欢迎加入QQ群-->： 979659372
