CN113835832A - 一种整合神经影像数据分析环境的构建方法及*** - Google Patents
一种整合神经影像数据分析环境的构建方法及*** Download PDFInfo
- Publication number
- CN113835832A CN113835832A CN202111030312.3A CN202111030312A CN113835832A CN 113835832 A CN113835832 A CN 113835832A CN 202111030312 A CN202111030312 A CN 202111030312A CN 113835832 A CN113835832 A CN 113835832A
- Authority
- CN
- China
- Prior art keywords
- container
- mirror image
- image
- module
- docker
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 43
- 238000007405 data analysis Methods 0.000 title claims abstract description 28
- 230000001537 neural effect Effects 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000006837 decompression Effects 0.000 claims abstract description 9
- 238000002610 neuroimaging Methods 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 13
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000035744 Hura crepitans Species 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007472 neurodevelopment Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45562—Creating, deleting, cloning virtual machine instances
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/45575—Starting, stopping, suspending or resuming virtual machine instances
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明涉及神经影像处理技术领域,具体公开了一种整合神经影像数据分析环境的构建方法及***,方法包括根据预设的Dockerfile构建docker镜像;根据docker镜像创建一个容器;在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上;按照预设保存格式以及预设保存路径,将docker镜像进行备份保存;将已经构建及备份好的docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载等步骤。本发明简化神经影像数据分析处理环境的搭建及部署流程,达到一键式构建、运行、备份以及部署稳健的、可重复的、可用于机器学习、深度学习的神经影像数据处理环境的目的。
Description
技术领域
本发明涉及神经影像处理技术领域,尤其涉及一种整合神经影像数据分析环境的构建方法及***。
背景技术
在神经影像领域(脑磁共振数据)处理分析,需要在linux环境下调用多个专业软件协同处理,如AFNI、FSL、FreeSurfer、ANTs等;同时,机器学***台上(个人电脑、工作站、服务器等)进行相同环境的部署。
目前比较热门的有Center for Reproducible Neuroimaging Computation的neurodocker,以及Stanford大学Poldrack实验室的fmriprep。fmriprep,主要关注神经影像处理的流程化问题,通过在dockerhub上拉取现成镜像到本地后,通过Python的dockerAPI,建立临时容器并调用内置的分析处理流程进行数据处理。而fmriprep存在的主要缺点有:1、处理流程并不能用户自由定义,不利于创新研发;2、未考虑可视化用户界面应用的执行,不能实时查看处理分析结果,不利于在个人电脑或普通工作站上进行流程原型的建立;3、所构建的环境并未考虑GPU加速运算的需求;4、docker对于外部文件的读写权限问题;5、未整合机器学习、深度学习的框架。neurodocker,主要关注神经影像处理环境的自定义问题上,通过用户制定,生成一个自定义的Dockerfile,根据此Dockerfile用户可生成个体化的处理环境。而neurodocker存在的主要缺点有:1、所生成的Dockerfile并没有解决好软件的依赖关系;2、仅生成Dockerfile,不包含镜像构建、备份、部署等过程;3、整合至分析流程中的软件非全是官方发行版本,不能保证其安全性;4、所构建的环境并未考虑GPU加速运算的需求;5、生成Dockerfile亦未考虑可视化用户界面应用的执行;6、docker对于外部文件的读写权限问题;7、未整合机器学习、深度学习的框架等。
所以,如何解决以上不足是当下急需解决的问题。
发明内容
针对现有技术中的技术问题,本发明提供一种整合神经影像数据分析环境的构建方法及***。
本发明包括一种整合神经影像数据分析环境的构建方法,包括:
根据预设的Dockerfile构建docker镜像;
根据docker镜像创建一个容器;
在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上;
按照预设保存格式以及预设保存路径,将docker镜像进行备份保存;
将已经构建及备份好的docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
进一步的,方法还包括:
在容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
进一步的,Dockerfile为通过预选软件的类型统一制定的。
进一步的,根据预设的Dockerfile构建docker镜像,包括:
指定镜像所用的运行时库;运行时库为normal或者nvidia;
根据Dockerfile的配置下载对应预选软件,并在临时容器中进行编译。
进一步的,docker镜像以人工智能机器学习算法为框架,以python为开发语言环境,整合神经影像分析处理软件及工具。
进一步的,神经影像分析处理软件及工具包括结构像处理软件、结构像分割软件、弥散像处理软件、功能像处理软件、泛用神经影像软件中的一种或多种。
进一步的,将docker镜像进行备份保存时,预设保存格式为tar.gz格式。
进一步的,根据docker镜像创建一个容器,包括:
根据容器启动配置文件,获取宿主机上当前用户的UID及GID;
在容器中新建一个同名用户,使得容器内文件读写执行权限与宿主机一致;
将宿主机的$HOME目录挂载至容器的同名目录下;
将宿主机的/tmp/.X11-unix目录挂载至容器的同名目录下。
本发明还提供一种整合神经影像数据分析环境的构建***,***包括镜像构建模块、容器建立模块、容器运行模块、镜像备份模块、镜像恢复模块,其中:
镜像构建模块,与容器建立模块、镜像备份模块相连接;镜像构建模块用于根据预设的Dockerfile构建docker镜像;
容器建立模块,与镜像构建模块、容器运行模块相连接,容器建立模块用于根据docker镜像创建一个容器;
容器运行模块,与容器建立模块相连接,容器运行模块用于在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上;
镜像备份模块,与镜像构建模块、镜像恢复模块相连接,镜像备份模块用于按照预设保存格式以及预设保存路径,将docker镜像进行备份保存;
镜像恢复模块,与镜像备份模块相连接,镜像恢复模块用于将已经构建及备份好的docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
进一步的,***还包括:
影像数据处理模块,与容器建立模块、容器运行模块相连接,影像数据处理模块用于在容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
本发明的整合神经影像数据分析环境的构建方法及***,简化神经影像数据分析处理环境的搭建及部署流程,达到一键式构建、运行、备份以及部署稳健的、可重复的、可用于机器学习、深度学习的神经影像数据处理环境的目的;实现已构建镜像在不同工作站及服务器上的快速部署,方便研究人员对处理流程的搭建及重复,满足大规模运算处理的需求;节约神经影像分析处理环境复杂的构建以及部署过程,达到一次构建多次使用,重复部署。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明实施例的一种整合神经影像数据分析环境的构建方法的步骤流程图(一);
图2为本发明实施例的一种整合神经影像数据分析环境的构建方法的步骤流程图(二);
图3为本发明实施例的一种整合神经影像数据分析环境的构建方法的步骤流程图(三);
图4为本发明实施例的一种整合神经影像数据分析环境的构建方法的步骤流程图(四);
图5为本发明实施例的一种整合神经影像数据分析环境的构建***的结构组成图(一);
图6为本发明实施例的一种整合神经影像数据分析环境的构建***的结构组成图(二)。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
本发明提供一种整合神经影像数据分析环境的构建方法,如图1所示,包括以下步骤:
步骤S10:根据预设的Dockerfile构建docker镜像。
本步骤用于镜像构建,如图2所示,具体过程可包括:
步骤S101:指定镜像所用的运行时库。
本实施例中运行时库为normal或者nvidia。
步骤S102:根据Dockerfile的配置下载对应预选软件,并在临时容器中进行编译。
构建开始前,可选用GPU加速卡驱动,采用相应的nvidia-docker技术以及支持显卡驱动的docker镜像开始构建,并对相关运行库进行优化,使之更符合神经影像研究领域的需求。
构建开始后,脚本将根据Dockerfile的配置下载相关软件及依赖,并在临时容器中进行必要的编译。此处相关软件为本发明预设的一些软件,具备对神经影像进行分析的功能。优选的,本发明实施例中docker镜像以人工智能机器学习算法、深度学习为框架,有利于神经影像领域前沿研究需求;以python为开发语言环境,整合神经影像分析处理软件及工具。其中,神经影像分析处理软件及工具包括结构像处理软件、结构像分割软件(如FreeSurfer软件)、弥散像处理软件(例如DIPY软件)、功能像处理软件(例如SUMA软件)、泛用神经影像软件(例如FSL软件、ANTs软件等)中的一种或多种。而本发明实施例中的Dockerfile为通过以上这些预选软件的类型统一制定的,依据此Dockerfile构建统一的处理环境,同时也保证对分析结果的再现性。
本发明所选用的软件优选的均采用官方发行版本或采用官方源码编译,避免潜在的安全性问题出现。
docker镜像的构建过程所用时间主要取决于宿主机的性能以及网络环境,一般需要2-4小时的时间完成。
docker镜像构建完成之后,可执行步骤步骤S20。
步骤S20:根据docker镜像创建一个容器。
本步骤用于容器建立,需要预先指定宿主机上数据的路径,如图3所示,容器创建具体包括以下步骤:
步骤S201:根据容器启动配置文件,获取宿主机上当前用户的UID及GID。
步骤S202:在容器中新建一个同名用户,使得容器内文件读写执行权限与宿主机一致。
步骤S203:将宿主机的$HOME目录挂载至容器的同名目录下。
步骤S204:将宿主机的/tmp/.X11-unix目录挂载至容器的同名目录下。
脚本以docker-compose.yml作为容器启动的配置,脚本将获得宿主机上当前用户的UID及GID,并在容器中新建一个同名用户(UID及GID均相同)以保证容器内的文件读写执行权限与宿主机一致;宿主机的$HOME目录也将同时挂载至容器的$HOME目录下,即容器内可与宿主机当前用户采用相同的bash配置。同时,为保证某些可视化应用能够在宿主机上显示,docker-compose.yml配置文件将宿主机的/tmp/.X11-unix目录挂载至容器的同名目录下。
本发明实施例可采用docker-compose编排容器,挂载宿主的UID及GID,解决容器内文件读写的权限问题;以及,指定数据挂载路径,方便处理分析流程搭建及结果的复现;同时,挂载对应宿主机的X服务器等,解决用户界面应用问题;基于Docker技术,把相关的神经影像分析处理软件流程容器化,使分析处理与宿主机环境隔离,减少对宿主机环境的影响。
本步骤的执行时间约小于30秒可以完成。
步骤S30:在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上。
本步骤用于容器运行,首先进入已创建的容器中,执行run.sh脚本,通过控制取消指令(xhost指令)取消宿主机X server的访问控制(access control),以使容器内图形化界面可能够正确地在宿主机上显示。本步骤的执行时间约小于3秒即可完成。
步骤S40:按照预设保存格式以及预设保存路径,将docker镜像进行备份保存。
本步骤用于镜像备份,在docker镜像构建完成之后即可进行。对构建后的docker镜像进行备份,方便保存在其他工作站、服务器上进行统一部署。首先需要设定好docker镜像保存的路径,然后执行对应脚本,将docker镜像保存至默认路径,其中,将docker镜像进行备份保存时,预设保存格式可为tar.gz格式。
此步骤的实现大约需要20-30分钟左右完成。
步骤S50:将已经构建及备份好的docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
本步骤用于镜像恢复,把已经构建及备份好的docker镜像恢复到本地,或在新的工作站、服务器上部署已构建好的docker镜像。首先,指定docker镜像压缩包的路径,可选指定FreeSurfer许可证。本实施例中tar.gz格式的docker镜像压缩包大小为11-12Gb左右,解压后大小为31-33Gb左右,执行对应脚本后将压缩包由解压指令(gunzip指令)进行解压,以标准输出stdout通过管道(|)传入docker load指令中进行镜像加载。此步骤完成大概需要花费10-20分钟左右的时间。
如图4所示,本发明实施例的方法还包括以下步骤:
步骤S60:在容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
本实施例对神经影像数据的获取方式不进行具体的限定,优选的,脑磁共振成像数据更适用于本发明的设计方案,脑磁共振成像是认知功能、神经精神类疾病或紊乱、神经发育等领域研究的主要手段。本发明目的即在于简化神经影像数据分析处理环境的搭建及部署流程。
本发明以上步骤的实现采用基本的bash脚本实现,尽可能降低软件的依赖及相关的配置难度,在Linux、windows以及mac环境下快速构建和快速部署。
本发明实施例还包括一种整合神经影像数据分析环境的构建***,如图5所示,***包括镜像构建模块10、容器建立模块20、容器运行模块30、镜像备份模块40、镜像恢复模块50,其中:
镜像构建模块10,与容器建立模块20、镜像备份模块40相连接;镜像构建模块10用于根据预设的Dockerfile构建docker镜像。具体的,镜像构建模块10根据预设的Dockerfile构建docker镜像具体包括:指定镜像所用的运行时库;以及根据Dockerfile的配置下载对应预选软件,并在临时容器中进行编译。
容器建立模块20,与镜像构建模块10、容器运行模块30相连接,容器建立模块20用于根据docker镜像创建一个容器。具体的,容器建立模块20根据docker镜像创建一个容器,具体包括:根据容器启动配置文件,获取宿主机上当前用户的UID及GID;在容器中新建一个同名用户,使得容器内文件读写执行权限与宿主机一致;将宿主机的$HOME目录挂载至容器的同名目录下;以及,将宿主机的/tmp/.X11-unix目录挂载至容器的同名目录下。
容器运行模块30,与容器建立模块20相连接,容器运行模块30用于在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上。
镜像备份模块40,与镜像构建模块10、镜像恢复模块50相连接,镜像备份模块40用于按照预设保存格式以及预设保存路径,将docker镜像进行备份保存。
镜像恢复模块50,与镜像备份模块40相连接,镜像恢复模块50用于将已经构建及备份好的docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
具体的,如图6所示,本发明实施例的整合神经影像数据分析环境的构建***还包括:
影像数据处理模块60,与容器建立模块20、容器运行模块30相连接,影像数据处理模块60用于在容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
本发明实施例的整合神经影像数据分析环境的构建***,其相关功能实现可参考前述对整合神经影像数据分析环境的构建方法的实施例进行的解释,此处不再赘述。
本发明实施例的整合神经影像数据分析环境的构建方法及***,简化神经影像数据分析处理环境的搭建及部署流程,达到一键式构建、运行、备份以及部署稳健的、可重复的、可用于机器学习、深度学习的神经影像数据处理环境的目的;实现已构建镜像在不同工作站及服务器上的快速部署,方便研究人员对处理流程的搭建及重复,满足大规模运算处理的需求;节约神经影像分析处理环境复杂的构建以及部署过程,达到一次构建多次使用,重复部署。
以上借助具体实施例对本发明做了进一步描述,但是应该理解的是,这里具体的描述,不应理解为对本发明的实质和范围的限定,本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改,都属于本发明所保护的范围。
Claims (10)
1.一种整合神经影像数据分析环境的构建方法,其特征在于,包括:
镜像构建:根据预设的Dockerfile构建docker镜像;
容器建立:根据所述docker镜像创建一个容器;
容器运行:在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上;
镜像备份:按照预设保存格式以及预设保存路径,将所述docker镜像进行备份保存;
镜像恢复:将已经构建及备份好的所述docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
2.如权利要求1所述的整合神经影像数据分析环境的构建方法,其特征在于,还包括:
在所述容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
3.如权利要求1所述的整合神经影像数据分析环境的构建方法,其特征在于,所述Dockerfile为通过预选软件的类型统一制定的。
4.如权利要求3所述的整合神经影像数据分析环境的构建方法,其特征在于,
指定镜像所用的运行时库;所述运行时库为normal或者nvidia;
根据Dockerfile的配置下载对应所述预选软件,并在临时容器中进行编译。
5.如权利要求1所述的整合神经影像数据分析环境的构建方法,其特征在于,所述docker镜像以人工智能机器学习算法为框架,以python为开发语言环境,整合神经影像分析处理软件及工具。
6.如权利要求5所述的整合神经影像数据分析环境的构建方法,其特征在于,所述神经影像分析处理软件及工具包括结构像处理软件、结构像分割软件、弥散像处理软件、功能像处理软件、泛用神经影像软件中的一种或多种。
7.如权利要求1所述的整合神经影像数据分析环境的构建方法,其特征在于,将所述docker镜像进行备份保存时,预设保存格式为tar.gz格式。
8.如权利要求1所述的整合神经影像数据分析环境的构建方法,其特征在于,根据所述docker镜像创建一个容器,包括:
根据容器启动配置文件,获取宿主机上当前用户的UID及GID;
在容器中新建一个同名用户,使得容器内文件读写执行权限与宿主机一致;
将宿主机的$HOME目录挂载至容器的同名目录下;
将宿主机的/tmp/.X11-unix目录挂载至容器的同名目录下。
9.一种整合神经影像数据分析环境的构建***,其特征在于,所述***包括镜像构建模块、容器建立模块、容器运行模块、镜像备份模块、镜像恢复模块,其中:
所述镜像构建模块,与所述容器建立模块、镜像备份模块相连接;所述镜像构建模块用于根据预设的Dockerfile构建docker镜像;
所述容器建立模块,与所述镜像构建模块、容器运行模块相连接,所述容器建立模块用于根据所述docker镜像创建一个容器;
所述容器运行模块,与所述容器建立模块相连接,所述容器运行模块用于在已创建的容器中,通过控制取消指令取消宿主机的访问控制,使容器内图形化界面能够正确显示于宿主机上;
所述镜像备份模块,与所述镜像构建模块、镜像恢复模块相连接,所述镜像备份模块用于按照预设保存格式以及预设保存路径,将所述docker镜像进行备份保存;
所述镜像恢复模块,与所述镜像备份模块相连接,所述镜像恢复模块用于将已经构建及备份好的所述docker镜像根据解压指令进行解压,以标准输出通过管道传入加载指令中进行镜像加载。
10.如权利要求9所述的整合神经影像数据分析环境的构建***,其特征在于,还包括:
影像数据处理模块,与所述容器建立模块、容器运行模块相连接,所述影像数据处理模块用于在所述容器中对神经影像数据进行处理,输出神经影像数据处理分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030312.3A CN113835832A (zh) | 2021-09-03 | 2021-09-03 | 一种整合神经影像数据分析环境的构建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111030312.3A CN113835832A (zh) | 2021-09-03 | 2021-09-03 | 一种整合神经影像数据分析环境的构建方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113835832A true CN113835832A (zh) | 2021-12-24 |
Family
ID=78962163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111030312.3A Pending CN113835832A (zh) | 2021-09-03 | 2021-09-03 | 一种整合神经影像数据分析环境的构建方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835832A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017049828A1 (zh) * | 2015-09-25 | 2017-03-30 | 中兴通讯股份有限公司 | 基于Linux的数据处理方法、装置和*** |
CN109669808A (zh) * | 2017-10-17 | 2019-04-23 | 中移(苏州)软件技术有限公司 | 一种***备份的方法及设备 |
CN110865636A (zh) * | 2018-08-10 | 2020-03-06 | 深圳先进技术研究院 | 基于Docker容器的云机器人导航***及其工作方法 |
CN111198744A (zh) * | 2018-11-16 | 2020-05-26 | 中标软件有限公司 | 自动化应用程序容器化和镜像备份发布的方法 |
-
2021
- 2021-09-03 CN CN202111030312.3A patent/CN113835832A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017049828A1 (zh) * | 2015-09-25 | 2017-03-30 | 中兴通讯股份有限公司 | 基于Linux的数据处理方法、装置和*** |
CN106557384A (zh) * | 2015-09-25 | 2017-04-05 | 中兴通讯股份有限公司 | 基于Linux的数据处理方法、装置和*** |
CN109669808A (zh) * | 2017-10-17 | 2019-04-23 | 中移(苏州)软件技术有限公司 | 一种***备份的方法及设备 |
CN110865636A (zh) * | 2018-08-10 | 2020-03-06 | 深圳先进技术研究院 | 基于Docker容器的云机器人导航***及其工作方法 |
CN111198744A (zh) * | 2018-11-16 | 2020-05-26 | 中标软件有限公司 | 自动化应用程序容器化和镜像备份发布的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8200710B2 (en) | System and method for runtime rendering of web-based user interfaces for master data management | |
US8381176B1 (en) | Software build orchestration framework | |
CN107239309B (zh) | 补丁生成方法及装置、更新方法、电子设备、存储介质 | |
CN111045675B (zh) | 一种基于Flutter的页面生成方法、装置、设备和存储介质 | |
CN111538659B (zh) | 业务场景的接口测试方法、***、电子设备和存储介质 | |
CN111695827A (zh) | 业务流程的管理方法、装置、电子设备及存储介质 | |
US8904346B1 (en) | Method and system for automated load testing of web applications | |
CN112035112A (zh) | 应用程序开发方法、***、介质和电子设备 | |
WO2016003850A1 (en) | Rule-based activation of behaviors in an extensible software application | |
CN114968192A (zh) | 一种项目创建方法、装置、计算机设备及存储介质 | |
CN111752841A (zh) | 单测模拟方法、装置、设备与计算机可读存储介质 | |
CN110868324A (zh) | 一种业务配置方法、装置、设备和存储介质 | |
CN112418447B (zh) | 提供机器学习服务的***、方法、介质和设备 | |
CN115113850A (zh) | 一种跨平台应用的构建、运行方法、服务器、终端和*** | |
CN113238739A (zh) | 一种插件开发和数据获取方法、装置、电子设备及介质 | |
CN113835832A (zh) | 一种整合神经影像数据分析环境的构建方法及*** | |
CN109597611B (zh) | 前端数据流控制组件开发***、方法、设备及存储介质 | |
CN110096543B (zh) | 应用程序的数据操作方法、装置、服务器和介质 | |
Thomas et al. | Simulation factory: Taming application configuration and workflow on high-end resources | |
CN110489168A (zh) | 一种gnome只读桌面***的制作方法及装置 | |
CN106775608A (zh) | 独立***进程的实现方法和装置 | |
CN112214213B (zh) | Linux内核的开发和管理方法、装置、计算机设备和存储介质 | |
Moreno et al. | Science for everyone (ScifE): A proposed framework for science as a service using interactive web technologies | |
CN114237760B (zh) | 一种将工业机理模型封装为容器镜像并发布web服务的方法 | |
CN103631704B (zh) | 通信设备的自动化测试***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |