关于 OmniPrep

标语 A Unified Pipeline for Accelerating Large-Scale Multimodal MRI Research Across the Lifespan.

概览

OmniPrep 是一个统一的神经影像流程，在单一连贯的工作流中标准化并预处理
结构（sMRI）、功能（fMRI）和弥散（dMRI） MRI 数据。它基于
Nextflow 构建，容器化、可续跑，能够从单机扩展到大型 HPC 集群与云端。

除预处理外，OmniPrep 还生成分析就绪的衍生数据：图集级与 ROI 级形态学特征、体素级与 ROI 级功能指标（ReHo、ALFF/fALFF、INT、时间序列、功能连接），以及弥散衍生的纤维追踪与结构连接组——均内置质量控制。

设计原则

统一

一个命令、一个配置面、一套输出规范，覆盖 sMRI、fMRI 与 dMRI。

可扩展

Nextflow 在本地、集群与云端执行器之间调度，无需改变接口。

稳健

自动年龄检测、自适应模板与畸变校正策略、可续跑、选择性容错。

可复现

容器化依赖、BIDS 输入、标准化衍生数据、版本化 QC 产物。

路线图

里程碑	状态
多模态预处理（sMRI / fMRI / dMRI）	进行中
图集与 ROI 衍生数据（形态学、时间序列、FC、连接组）	进行中
自动化 QC（报告、trace、时间线、头动 scrubbing）	进行中
交互式 Web 界面（Streamlit）	计划中
扩展图集目录	计划中
组级工作流	计划中

引用

如果你在研究中使用 OmniPrep，请引用本项目（及其所依赖的上游工具）。正式引用将在论文发表后补充。

@software{omniprep,
  title   = {OmniPrep: A Unified Pipeline for Accelerating Large-Scale Multimodal MRI Research Across the Lifespan},
  author  = {OmniPrep Contributors},
  year    = {2026},
  url     = {$https://github.com/uxhao-o/omniprep-website}
}

致谢

OmniPrep 基于并深深受益于开放神经影像社区。关键依赖与灵感来源包括：

FreeSurfer — 皮层重建与分割
fMRIPrep / NiPreps — 预处理方法学
Nextflow — 工作流编排
FSL 与 MRtrix3 — 畸变校正、纤维追踪、连接组学
BIDS — OmniPrep 消费并遵循的数据标准
Power 等人 — 头动帧检测方法学

贡献

OmniPrep 以开放方式开发。欢迎贡献——bug 报告、功能请求、文档改进与 pull request。请遵循项目的贡献指南。

联系

如有问题、反馈或合作意向，请在仓库提 issue 或联系维护者。