BrainLabel Docker 安装与使用

创建：2020-07-08 by 叶辰飞

brainlabel docker

原理说明：算法基本原理是利用多脑图谱进行图像配准与融合，实现对目标磁共振T1加权脑影像的自动脑区分割。Brainlabel官网

说明：Pipeline可大致分为图谱预选（atlas preselection）和分割（segmentation/parcellation）两步，分别制作了镜像文件task_json和t1_segmt。

1.1 安装说明

• 安装docker，参考文档
• 安装本地镜像文件task_json.tar.gz

docker load -i task_json.tar.gz

• 安装本地镜像文件t1_segmt.tar.gz

docker load -i t1_segmt.tar.gz

1.2 输入文件说明

在跑pipeline之前需在run_atlas_preselection.csv手动定义任务信息，每一行对应每一个分割任务。
CSV文件中：
- targetT1W_path： 即每一个被试的T1W影像文件的本地路径
- gender_F0M1U2： 被试性别。0=女；1=男；2=unknown
- age： 年龄。若年龄未知可以为空，预选时默认作为60岁处理。
- output_folder：每一个被试对应的输出文件夹的名字，可以任意定义，但不同被试不能重复定义

1.3 生成task.json

task.json定义了分割算法需要的基本配置信息，输入与输出目录信息，以及从图谱库中预选出30个和目标被试具有相似人口学特征（年龄性别）的图谱，是后续分割pipeline需要的唯一参数文件。

docker run -v YourLocalPath:/data/ task_json:v1.6 python /bin/preselect_docker.py -i /data/run_atlas_preselection.csv -o /data/

其中，YourLocalPath是本地run_atlas_preselection.csv文件的存放目录
容器跑完后，会在YourLocalPath生成每个被试的task.json文件

1.4 单任务图像分割

docker run -v YourLocalV1AtlasesPath:/data/atlases -v YourLocalTaskJsonPath/:/tmp -v YourInputT1WPath:/mnt/input -v YourOutputPath:/mnt/output -v YourConfigPath:/mnt/config brainlabel/t1_segmt:v1 /tmp/task.json

该命令将针对单个指定被试实现脑区自动分割，同时利用本地多核CPU并行运算，-v操作将本地路径挂载给容器路径，运行前建议检查挂载路径与task.json中存放的路径内容一致。以下详细解释每个目录：

• YourLocalV1AtlasesPath：如/home/mindsgo/atlases 该路径存放了V1图谱，容器将在本地找到/home/mindsgo/atlases/v1/
• YourLocalTaskJsonPath： 如/home/mindsgo/input/sub1 该路径存放了task.json，容器将在本地找到/home/mindsgo/input/sub1/task.json
• YourInputT1WPath：如/home/mindsgo/Documents/ 该路径存放了输入文件，如sub1.nii，容器将在本地找到/home/mindsgo/Documents/sub1.nii
• YourConfigPath：如/home/mindsgo/PycharmProjects/P1/pipeline_config 该路径是pipeline_config文件夹的本地绝对路径
• YourOutputPath：如/home/mindsgo/output 容器将把输出的分割结果挂载到该本地路径

1.5 Batch图像分割

TBD...