[FEATURE] Support for Diffusion-weighted Imaging
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 25/100
- Type d'issue
- Fonctionnalité
- Clarté
- À clarifier
- Activité
- À l'abandon
- Stack technique
- c
- Domaine
- computer-vision
Piste de recherche
Commencez par le registrator et l’implémentation référencée de transformation de tenseurs dans tissue_reconstruction/tissue_reconstruction.py, autour de la ligne 88. Déterminez comment DiffusionModality, les tenseurs de diffusion et les vecteurs b doivent être représentés et traités pendant l’enregistrement ; la tâche est terminée lorsque les images pondérées en diffusion sont enregistrées avec les transformations de tenseurs requises. Aucun fichier de test ni point d’entrée local n’est indiqué dans l’issue.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Registration of Diffusion Weighted Images requires proper transformation of the diffusion tensors in the registration step. This likely requires implementation of tensor transformations in the registrator, as well as a DiffusionModality class and processing of the b vectors that come with DW images.
The following repository implements the necessary tensor transformations:
- Langage dominant
- C
- Étoiles
- 39
- Forks
- 11
- Merge moyen
- 13 h 40 min
- PR mergées (30 j)
- 1
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de BrainLesion/preprocessing
-
[BUG] Zenodo api error response not saved nor displayedPeut-être pris @rtmalikian l’a pris il y a 121 jours. Ouvertebug
Difficulté 2/5 1-3 heures Accessibilité débutants 68/100
BrainLesion/preprocessing#169 · 7 commentaires ·
-
[BUG] ANTsRegistrator resamples MRI modalities with nearest-neighbor interpolation by defaultPeut-être à nouveau libre @LMZimmer l’a pris il y a 29 jours, et aucune pull request n’est ouverte. Ouvertebug
BrainLesion/preprocessing#192 · 4 commentaires · 1 personne assignée ·
-
[BUG] HTTP error responses from Zenodo bypass the "use local copy" fallbackPeut-être pris @ErikGro l’a pris il y a 40 jours. Ouvertebug
Difficulté 3/5 1-2 jours Accessibilité débutants 35/100
BrainLesion/preprocessing#190 ·
-
[BUG] cannot import ANTSRegistratorPeut-être à nouveau libre @neuronflow l’a pris il y a 65 jours, et aucune pull request n’est ouverte. Ouvertebug
BrainLesion/preprocessing#188 · 1 réaction · 2 personnes assignées ·
-
enhancement
Difficulté 4/5 3-5 jours Accessibilité débutants 35/100
BrainLesion/preprocessing#185 ·
Toutes les issues de BrainLesion/preprocessing
Issues similaires
-
native-cpu: -Wreturn-type in skainet_row_threads.c:150 (worker fn has no return)Peut-être pris @Doomguy-BFG9000 l’a pris aujourd’hui. Ouvertegood first issue size:xs skill:native
Difficulté 1/5 Moins d'une heure Accessibilité débutants 78/100
SKaiNET-developers/SKaiNET#1358 · 1 commentaire ·
Les mainteneurs répondent en général sous 1 jour
-
I/O internal correctness medium priority rt_lib
Difficulté 2/5 1-3 heures Accessibilité débutants 79/100
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 2/5 1-3 heures Accessibilité débutants 64/100
libsdl-org/SDL#16539 ·
Les mainteneurs répondent en général sous 1 jour
-
git-workflow task-4
Difficulté 2/5 1-3 heures Accessibilité débutants 66/100
-
bug
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
Les mainteneurs répondent en général sous 1 jour