文末免费送电子书：七月在线干货组最新 升级的《2021最新大厂AI面试题》免费送！

项目一：fmriprep 用于预处理各种 fMRI 数据的易用pipeline

fMRIPrep 是一种功能性磁共振成像 （fMRI） 数据预处理管道，旨在提供易于访问的、最先进的接口，该接口可对扫描采集协议的变化非常可靠，并且需要最少的用户输入，同时提供易于解释和全面的误差和输出报告。它执行基本处理步骤（核心、规范化、解曲线、噪声成分提取、分割、头骨跳闸等），提供可轻松提交到各种组级分析的输出，包括基于任务或静止状态的 fMRI、图形理论测量、表面或基于体积的统计等。

fMRIPrep 管道使用来自知名软件包的工具的组合，包括FSL_、ANTs_、FreeSurfer_和AFNI_。此管道旨在为每个预处理状态提供最佳的软件实现，并将随着更新和更好的神经成像软件的可用而更新。

此工具允许您轻松执行以下操作：

  • 将 fMRI 数据从原始数据从原始到完全预处理
  • 实现不同软件包的工具
  • 通过使用可用的最佳工具实现最佳的数据处理
  • 生成预处理质量报告，用户可以通过这些报告轻松识别异常
  • 接收有关每个主题的预处理阶段（包括有意义的错误）
  • 自动和并行化处理步骤，从典型的线性手动处理中显著加快速度。

fMRIPrep 围绕三个原则构建：

  • 稳健性 - 管道根据输入数据集调整预处理步骤，并且应提供尽可能好的结果，与扫描仪制作、扫描参数或是否存在其他校正扫描（如现场地图）不同

  • 易用性 - 由于对 BIDS 标准的依赖，手动参数输入减少到最小，允许管道以自动方式运行。

  • “玻璃盒"理念 - 自动化不应意味着不应直观地检查结果或了解方法。因此，fMRIPrep

    会为每个主题提供可视化报告，详细说明最重要的处理步骤的准确性。这与文档相结合，可以帮助研究人员了解流程，并决定应保留哪些主题进行小组级分析。

项目地址：

https://github.com/nipreps/fmriprep

项目二：LamboiseNet 使用深度学习的卫星图像变化检测

本文的目的是创建一个能够探测卫星图像中新构造的CNN。更精确地，拍摄两张不同时间拍摄的卫星图像，并输出一个带新建筑轮廓的分段蒙版。该模型将两个 650 x 650 的 RGB 图像作为输入，并输出相同大小的 semgment 掩码。

项目使用的 CNN 体系结构是 UNet++，其层被移除，过滤器大小减小。这样，该模型适合具有 6G 内存的 GPU。如上图所示，模型设法查找更改并生成具有近似形状的分段蒙版。

数据集：

https://drive.google.com/drive/folders/1rd1vseWiFSqQc5-93XSRQW9Bzzcgqc6H?usp=sharing

模型：

https://drive.google.com/drive/folders/1qbZm-b4gdhzzMCP09XwWx2wJKxsSXBJL?usp=sharing https://drive.google.com/drive/folders/1-DdCZxCv7OInvpUnbbT-4p2Uhc_v6ztI?usp=sharing

**�