卷积观测估计高维ode模型及其在fmri中的应用
scdn的Python项目详细描述
利用卷积观测估计高维ode模型及其在fmri中的应用
scdn是一个基于python的软件包,实现了卷积模型稀疏因果动态网络分析,特别是功能磁共振成像(fmri)。它的目的是提供一个稀疏的动态网络估计,不仅对fmri数据,而且对其他可能的数据,可以表示为卷积模型。参数和ode模型的介绍和解释可以在(1)中找到。有关卷积模型的详细信息,请参见(2)
开始
repo中提供的示例已经在mac os和linux环境中进行了测试。这个包同时支持Python2.7和Python3.6。
这些说明将使您获得一份在本地计算机上运行的项目副本,用于开发和测试目的
这个包也发布在pypi中。要快速安装,请尝试
pip install scdn
先决条件
安装软件需要什么以及如何安装
See setup.py for details of packages requirements.
从GitHub安装
使用git clonehttps://github.com/xuefeicao/scdn.git下载包
python setup.py install
如果在OSX上安装依赖关系matplotlib时遇到问题,请参见https://matplotlib.org/faq/osx_framework.html
我们的套餐简介
在本地安装我们的包之后,尝试在python环境中导入scdn并了解包的功能
from scdn.scdn_analysis import scdn_multi_sub
help(scdn_multi_sub)
示例
The examples subfolder includes two examples.
The first is a simulation generated from our data and another is from DCM.
运行测试
这项测试将在将来增加
使用
构建- python 2.7版
兼容性
- python 2.7版
- Python3.6
作者
- Xuefei Cao-Maintainer-(https://github.com/xuefeicao)
- Xi Luo(http://bigcomplexdata.com/)
- bjórn sandstede(http://www.dam.brown.edu/people/sandsted/)
许可证
这个项目是根据麻省理工学院的许可证授权的-详细信息请参阅许可证文件