本发明涉及影像，具体为基于容器技术的脑影像处理分析方法及系统。
背景技术：
1、在当前的医学和神经科学研究领域中，脑影像数据分析扮演着至关重要的角色。随着计算机技术和成像技术的飞速发展，影像数据量呈爆炸式增长，多模态脑影像的研究已经成为常态。尤其在肿瘤脑影像等临床应用中，已经积累了海量的多模态脑影像数据。然而，这些数据的处理与分析面临着诸多挑战。从技术领域的总体状况来看，现有的脑影像处理分析方法多依赖于传统的计算环境和软件工具。这些工具在处理小规模数据时表现出色，但当面对大规模、复杂化的脑影像数据时，其处理效率和准确性往往无法满足需求。此外，这些工具往往对使用者的编程能力有较高的要求，限制了其在临床和科研领域的广泛应用。
2、现有技术在脑影像处理分析方面存在以下缺陷和不足：
3、可重复性差，传统的脑影像处理分析方法往往依赖于特定的计算环境和软件工具，这使得分析结果的可重复性受到严重影响。当更换计算环境或软件版本时，分析结果可能会出现差异。其次，难以进行大规模数据存储与分析，随着脑影像数据量的不断增长，现有技术中对于大规模脑影像数据的处理和分析缺乏有效的并行处理和分布式计算支持，使得处理效率较低，无法满足临床和研究的需求。另外，传统的脑影像处理分析方法往往缺乏灵活性，无法根据实际需求进行定制和扩展，限制了其在不同场景下的应用。
4、因此，迫切需要一种操作简单、功能完备的脑影像处理分析方法，为脑科学研究人员提供计算支撑。
技术实现思路
1、针对现有技术中脑影像处理分析方法的缺陷，本发明提供一种基于容器技术的脑影像处理分析方法及系统，该方法通过容器化技术，能够实现脑影像数据的分布式处理，提高数据处理速度，优化计算资源。
2、本发明是通过以下技术方案来实现：
3、一种基于容器技术的脑影像处理分析方法，其特征在于，包括以下步骤：
4、步骤1、基于脑影像数据的处理过程，对脑影像处理过程中的每个计算步骤的代码进行修改，使每个计算步骤的输入输出文件目录及参数的格式保持一致，将修改后的每个计算步骤的代码编译成可执行文件；
5、步骤2、将编译后的多个可执行文件及对应的配制文件打包成独立的容器镜像，通过容器化技术对脑影像处理过程进行部署和迁移至操作系统；
6、步骤3、基于容器镜像编写调用该镜像的相应步骤的调用文件，运行该调用文件，实现与脑影像分析工具相同的脑影像数据的处理过程。
7、优选的，所述脑影像的处理过程包括：脑影像数据的格式转换、移除脑影像数据中的前n幅图像、对脑影像数据的伪影校正、脑影像数据的标准化处理、脑影像数据的空间平滑处理、脑影像数据的去线性漂移处理、脑影像数据的回归协变量处理和脑影像数据的频域滤波处理中的至少一种处理方法。
8、优选的，所述计算步骤的代码的修改包括：
9、获取该计算步骤的全部执行代码，调整最外层代码的输入输出文件目录格式及参数的顺序，使其在每个计算步骤的代码中保持一致。
10、优选的，采用执行文件的编译包括：
11、基于当前操作系统以及代码运行所需要的支撑环境配制编译工具，采用编译工具将修改后的代码编译为执行文件。
12、优选的，步骤2中配制文件为执行文件在运行时加载的库和环境配置文件。
13、优选的，所述库包括系统库、第三方库以及特定于应用的库；
14、所述环境配置文件包括系统环境、运行环境以及软件依赖关系。
15、优选的，所述容器镜像的打包包括：
16、基于当前的操作系统配制容器引擎，编写配置文件，将执行文件的集合及其运行时库文件、环境打包生成独立的容器镜像image；
17、令脑影像计算步骤集合为b＝{acti|i∈[1,m]}，所需的输入文件目录集合为i＝{inputi|i∈[1,m]}，输出文件目录集合o＝{outputi|i∈[1,m]}，所需参数集合为p＝{pi|i∈[1,m]}；
18、构建执行命令image,inputi,outputi,pi，执行计算步骤acti∈b。
19、优选的，步骤3中所述调用文件为调用相应计算步骤的yaml文件，并设定计算步骤所需的输入文件目录、输出文件目录以及参数。
20、优选的，对于任一计算步骤，编写对应的yaml文件，该yaml文件调用容器镜，并定义该计算步骤所需的输入文件目录、输出文件目录和参数；
21、采用容器编排工具运行yaml文件，对输入文件目录中的脑影像数据执行与脑影像分析工具中计算步骤相同的处理过程，并将处理结果存储于输出文件目录中。
22、一种基于容器技术的脑影像处理分析方法的系统，包括：
23、执行文件模块，用于基于脑影像的处理过程，对脑影像处理过程中的每个计算步骤的代码进行修改，使每个计算步骤的输入输出文件目录及参数的格式保持一致，将修改后的每个计算步骤的代码编译成可执行文件；
24、容器镜像模块，用于将编译后的多个可执行文件及对应的配制文件打包成独立的容器镜像，通过容器化技术对脑影像处理过程进行部署和迁移；
25、调用模块，用于基于容器镜像编写调用该镜像的相应步骤的调用文件，运行该调用文件，实现脑影像处理过程。
26、与现有技术相比，本发明具有以下有益的技术效果：
27、与现有脑影像处理分析方法相比，本发明具有以下有益的效果：
28、本发明提供的一种基于容器技术的脑影像处理分析方法，该方法将脑影像处理过程中的每个计算步骤编译为独立的执行文件，采用容器技术及相应的编排工具，来构建脑影像处理分析环境。容器技术允许将执行文件及其依赖项打包成一个可移植的单元，即容器。这使得脑影像处理分析所需的计算环境和软件工具能够一致地部署在任何兼容的操作系统上，由于容器内的环境和工具保持不变，确保分析结果在不同计算环境下的一致性；另外，利用容器编排工具能够对多个容器进行编排和管理，实现脑影像数据的并行处理和分布式计算。通过将任务分配到多个容器上同时执行，显著提高了处理效率。
1.一种基于容器技术的脑影像处理分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于容器技术的脑影像处理分析方法，其特征在于，所述脑影像的处理过程包括：脑影像数据的格式转换、移除脑影像数据中的前n幅图像、对脑影像数据的伪影校正、脑影像数据的标准化处理、脑影像数据的空间平滑处理、脑影像数据的去线性漂移处理、脑影像数据的回归协变量处理和脑影像数据的频域滤波处理中的至少一种处理方法。
3.根据权利要求1所述的一种基于容器技术的脑影像处理分析方法，其特征在于，所述计算步骤的代码的修改包括：
4.根据权利要求1或3所述的一种基于容器技术的脑影像处理分析方法，其特征在于，采用执行文件的编译包括：
5.根据权利要求1所述的一种基于容器技术的脑影像处理分析方法，其特征在于，步骤2中配制文件为执行文件在运行时加载的库和环境配置文件。
6.根据权利要求5所述的一种基于容器技术的脑影像处理分析方法，其特征在于，所述库包括系统库、第三方库以及特定于应用的库；
7.根据权利要求1所述的一种基于容器技术的脑影像处理分析方法，其特征在于，所述容器镜像的打包包括：
8.根据权利要求1所述的一种基于容器技术的脑影像处理分析方法，其特征在于，步骤3中所述调用文件为调用相应计算步骤的yaml文件，并设定计算步骤所需的输入文件目录、输出文件目录以及参数。
9.根据权利要求8所述的一种基于容器技术的脑影像处理分析方法，其特征在于，对于任一计算步骤，编写对应的yaml文件，该yaml文件调用容器镜，并定义该计算步骤所需的输入文件目录、输出文件目录和参数；
10.一种执行权利要求1-9任一项所述基于容器技术的脑影像处理分析方法的系统，其特征在于，包括：
