pbfslab/deepprep 封装脑影像从原始 DICOM/BIDS 到皮层分割、配准与功能连接的批处理流程，典型用于科研集群或医院 PACS 后处理环节。与交互式 GUI 工具相比更适合 HPC/Slurm 调度下的无人值守跑批。定位为 GPU 密集型离线 CLI 流水线，输入输出均依赖挂载数据目录，非常驻 Web 服务，K8s 场景需 GPU 节点与 NFS/PVC 大容量存储，一般不如裸机/HPC 调度直观。

快速启动

docker run --rm \
  -v /data/bids:/input:ro \
  -v /data/derivatives:/output \
  --gpus all \
  docker.io/pbfslab/deepprep:latest \
  --participant-label sub-01

推荐实践

docker run --rm \
  -v /data/bids:/input:ro \
  -v /data/derivatives:/output \
  -e OMP_NUM_THREADS=8 \
  --gpus all \
  docker.io/pbfslab/deepprep:23.1.0 \
  --participant-label sub-01 --skip-bids-validation

核心参数说明

• -v .../bids:... — BIDS 格式输入目录（只读）
• -v .../derivatives:... — 预处理结果输出目录
• --gpus all — 启用 GPU 加速（必需）
• --participant-label — 指定受试者 ID
• -e OMP_NUM_THREADS — CPU 线程数上限
• 固定 tag — 与 FreeSurfer/算法版本 pin