ANTs

医学图像精准配准与分割，助力神经影像分析

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。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1502

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队ANTsX

所属国家

官网地址

GitHubhttps://github.com/ANTsX/ANTs

定价模式free

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

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★ 1502

30天Star增速

HF 下载量

上线时间2013-01-23 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-10

浏览次数7

使用教程

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。

如何确认成功

在 conda 环境或 Docker 容器中成功调用 ANTs 命令行工具并输出帮助/版本信息，即表示可用。

常见问题

Q：安装方式该怎么选？

A：只想尽快用就下预编译二进制；不想改本机环境用 Docker 镜像 antsx/ants；已用 conda 管理环境则装 conda-forge 的 ants。需要定制功能再从源码编译。

Q：想在 Python 里调用 ANTs 怎么办？

A：README 指向 ANTsPy（antspy 仓库），它是 ANTs 的 Python 接口，还提供 ANTsPyNet 支持深度学习功能，可与 Python 生态集成。

Q：R 语言用户能用吗？

A：可以，README 提到 ANTsR 提供 R 接口，ANTsRNet 提供对应的深度学习扩展。

Q：一定要自己编译源码吗？

A：不一定。README 同时提供预编译二进制、Docker 镜像和 conda 包三种免编译途径，源码编译只在需要定制或特定平台时才需要。

注意事项

README 只给出安装入口链接，具体命令与平台细节请以对应链接页面为准
源码编译依赖 ITK，构建时间长且对系统环境有要求
医学影像数据体积大，处理前请确认磁盘与内存充足

核心亮点

SyN算法在配准精度上表现优异，尤其擅长处理大脑复杂形变
提供从配准到分割的完整工具链，支持模板构建与标签传播
支持Python接口，便于集成到现代分析流程

不足之处

命令行工具学习曲线陡峭，参数众多
文档以技术报告为主，入门教程相对缺乏

适用场景

神经影像研究中的多模态图像配准
脑图谱构建与基于图谱的分割
纵向研究中的图像标准化与差异分析

替代项目

FSL、FreeSurfer、NiftyReg

项目介绍

ANTs 是计算机视觉领域的开源项目，由 ANTsX 开发，2013 年首次发布。

在全站 13,109 个收录项目中，它的 GitHub 星标数（1,502）位列前 30%，在计算机视觉分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，完全免费，无付费版本。

它主要面向的使用场景是：神经影像研究中的多模态图像配准。同类可对比的替代方案包括 FSL、FreeSurfer、NiftyReg。

上一篇：BiRefNet

下一篇：geti