现有工具调研与实现选择
核查日期：2026-09-12。以下为官方说明与本项目实现选择，不将“支持读取”写成“已完成真实队列预处理”。
| 工具 |
能力 |
本项目参考方式 |
| NiBabel |
NIfTI、CIFTI、GIFTI 等影像与坐标轴读取 |
直接依赖，检查 NIfTI affine、CIFTI 轴 |
| Nilearn |
分区时序、去噪、连接计算、图谱与可视化 |
直接使用图谱下载和 signal.clean；分块求 ROI 均值以控制峰值内存 |
| CONN |
成熟的图形化 fMRI 连接分析、去噪、质量控制 |
参考用户流程，不复制其 MATLAB 代码或统计结果 |
| fMRIPrep |
头动校正、配准、标准化及预处理报告 |
外部 Docker 适配器；本库不重新实现空间预处理 |
| XCP-D |
已预处理 fMRI 后处理 |
对照后处理边界；初版未集成 XCP-D runner |
| NetPlotBrain |
Python 脑网络与多视角图形 |
参考八视图表达；渲染使用 Matplotlib |
| dcm2niix |
DICOM → NIfTI + 元数据 |
外部命令适配，不随 pip 包安装二进制 |
| Hyper-Brain |
本地 Python / 3D 脑图与超图界面 |
直接复用当前项目的 BrainScene、viewerTypes、viewerAppearance 组件，保留许可 |
为什么单独做这个库
已有工具覆盖了主要计算环节。新库的价值是将常见文件入口、明确的空间/脑区映射、逐扫描提取、中文界面和既有三维模板接在一起，同时暴露可直接脚本调用的 Python API。默认不宣称“一条 pip 命令就完成所有原始 MRI 预处理”。
图像提取要求调用者确认预处理完成。图谱到影像的重采样只解决网格分辨率，不解决配准。同一模板名声明也需要上游配准质量检查，不能仅凭 affine 相似推断解剖对齐。
实现依据：Nilearn signal.clean、fMRIPrep 使用说明。本库默认不过滤频带；用户明确指定过滤参数后，按 Nilearn 的去噪次序处理。