ANTs

医学图像精准配准与分割，助力神经影像分析

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 409 🐛 待处理 96 👀 关注 60

GitHub ↗

GitHub 星标 ★ 1512

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，无付费版本。

项目预览

项目数据

分类计算机视觉

开发团队ANTsX

GitHubhttps://github.com/ANTsX/ANTs

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言C++

技术栈/模型image-registration,image-segmentation,medical-image-processing,neuroimaging

GitHub 星标★ 1512

上线时间2013-01-23 00:00:00

代码更新2026-11-09

仓库体积270.8 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-10

浏览次数8

项目介绍

ANTs（Advanced Normalization Tools）是一个专注于医学图像配准与分割的开源工具库，主要面向神经影像领域。它解决的核心问题是多模态、多时间点医学图像的对齐与空间标准化，以及脑部结构的精确分割。ANTs提供了一系列先进的配准算法，如对称微分同胚配准（SyN），能够处理大脑解剖结构的复杂形变，实现高精度的图像融合与比较。其核心能力包括图像配准、模板构建、组织分割、皮质厚度测量以及基于图谱的标签传播等。ANTs在神经科学研究和临床应用中广泛使用，支持多种图像格式，并提供了命令行工具和Python接口，便于集成到自动化处理流程中。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 1512

技术标签

image-segmentation

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

已安装 conda（Miniconda/Anaconda）或 Docker 之一
Linux / macOS 环境（Windows 可通过 conda 或 Docker 使用）
选择源码编译时需要 C++ 编译工具链与 ITK 依赖
预留足够磁盘空间存放医学影像数据

安装与启动步骤

1选择安装方式

README 给出四条路径：预编译二进制最省事，其次 Docker 与 conda，需要自行定制时再从源码编译。
2下载预编译包

打开 GitHub Releases 页面，下载对应操作系统的预编译二进制包，解压后把可执行文件目录加入 PATH。
3用 conda 安装

在已有的 conda 环境中执行，从 conda-forge 渠道安装 ANTs 包，依赖由 conda 自动解析。
```
conda install -c conda-forge ants
```
4用 Docker 运行

拉取官方镜像后启动容器，在容器内使用 ANTs 命令行工具，无需本机编译环境。
```
docker pull antsx/ants
docker run -it --rm antsx/ants
```
5从源码编译

需要自行编译时，按官方 wiki《Compiling ANTs on Linux and Mac OS》操作，构建依赖 ITK，耗时较长。
6验证安装

在 conda 环境或 Docker 容器内调用 ANTs 命令行工具，能输出帮助或版本信息即安装成功。