fnirt函数简介

fnirt --in=struct_brain --aff=my_affine_transf.mat --cout=my_nonlinear_transf --ref=MNI152_T1_2mm_brain --config=T1_2_MNI152_2mm --iout=struct_MNI

--in输入:struct_brain

--aff仿射矩阵:my_affine_transf.mat 

--cout:带有场系数(field coefficients)的输出矩阵(应该是变换矩阵)

--ref参考图像(目标图像):MNI152_T1_2mm_brain

--config:指定命令行参数的配置文件的名称

--iout:输出图像名称 struct_MNI

Usage:

fnirt --ref=<some template> --in=<some image>

fnirt --ref=<some template> --in=<some image> --infwhm=8,4,2 --subsamp=4,2,1 --warpres=8,8,8

Compulsory arguments (You MUST set one or more of):

--ref name of reference image

--in name of input image

Optional arguments (You may optionally specify one or more of):

--aff name of file containing affine transform

--inwarp name of file containing initial non-linear warps

--intin name of file/files containing initial intensity mapping

--cout name of output file with field coefficients

--iout name of output image

--fout name of output file with field

--jout name of file for writing out the Jacobian of the field (for diagnostic or VBM purposes)

--refout name of file for writing out intensity modulated --ref (for diagnostic purposes)

--intout name of files for writing information pertaining to intensity mapping

--logout Name of log-file

--config Name of config file specifying command line arguments

--refmask name of file with mask in reference space

--inmask name of file with mask in input image space

--applyrefmask Use specified refmask if set, default 1 (true)

--applyinmask Use specified inmask if set, default 1 (true)

--imprefm If =1, use implicit masking based on value in --ref image. Default =1

--impinm If =1, use implicit masking based on value in --in image, Default =1

--imprefval Value to mask out in --ref image. Default =0.0

--impinval Value to mask out in --in image. Default =0.0

--minmet non-linear minimisation method [lm | scg] (Levenberg-Marquardt or Scaled Conjugate Gradient)

--miter Max # of non-linear iterations, default 5,5,5,5

--subsamp sub-sampling scheme, default 4,2,1,1

--warpres (approximate) resolution (in mm) of warp basis in x-, y- and z-direction, default 10,10,10

--splineorder Order of spline, 2->Quadratic spline, 3->Cubic spline. Default=3

--infwhm FWHM (in mm) of gaussian smoothing kernel for input volume, default 6,4,2,2

--reffwhm FWHM (in mm) of gaussian smoothing kernel for ref volume, default 4,2,0,0

--regmod Model for regularisation of warp-field [membrane_energy bending_energy], default bending_energy

--lambda Weight of regularisation, default depending on --ssqlambda and --regmod switches. See user documentation.

--ssqlambda If set (=1), lambda is weighted by current ssq, default 1

--jacrange Allowed range of Jacobian determinants, default 0.01,100.0

--refderiv If =1, ref image is used to calculate derivatives. Default =0

--intmod Model for intensity-mapping [none global_linear global_non_linear local_linear global_non_linear_with_bias local_non_linear]

--intorder Order of polynomial for mapping intensities, default 5

--biasres Resolution (in mm) of bias-field modelling local intensities, default 50,50,50

--biaslambda Weight of regularisation for bias-field, default 10000

--estint Estimate intensity-mapping if set, default 1 (true)

--numprec Precision for representing Hessian, double or float. Default double

--interp Image interpolation model, linear or spline. Default linear

-v,--verbose Print diagnostic information while running

-h,--help display help info

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,723评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,485评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,998评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,323评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,355评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,079评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,389评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,019评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,519评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,971评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,100评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,738评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,293评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,289评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,517评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,547评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,834评论 2 345

推荐阅读更多精彩内容

  • mean to add the formatted="false" attribute?.[ 46% 47325/...
    ProZoom阅读 2,693评论 0 3
  • pyspark.sql模块 模块上下文 Spark SQL和DataFrames的重要类: pyspark.sql...
    mpro阅读 9,446评论 0 13
  • Introduction What is Bowtie 2? Bowtie 2 is an ultrafast a...
    wzz阅读 5,566评论 0 5
  • 早上被窗外的鸟鸣声惊醒。经过一夜的安睡,头痛竟然消失了。 昨天下午,为了兑现承诺,答应陪孩子去荷花园看风车。感觉昨...
    八七在路上阅读 176评论 0 2
  • “太多的人做事犹豫不决,就是因为他们觉得没有完全弄懂这件事。真正付诸实践要比纯粹的思考有用多了。” 看到这段话,我...
    我是语果阅读 475评论 0 2