B 工具安装

title: A 工具安装
description: 介绍常见工具的安装方法。

B 工具安装

1.引言

医学影像的算法开发通常依赖多种工具链的协作，本章将介绍本教程所需的核心环境，包括 Python、ASTRA、BART、MONAI、NiBabel 等基础组件。我们将从基础 Python 环境配置开始，逐步说明如何安装 CT 重建库（ASTRA）、MRI 重建工具箱（BART）、深度学习框架（MONAI）与医学影像文件读写工具（NiBabel）。通过本节内容，读者可以快速搭建一个完整、可复现的医学影像开发与重建实验环境。

2.直接安装 python

2.1.window 系统

2.1.1.下载 Python 安装程序

推荐方式：从 Python 官网下载安装包

打开浏览器，访问：https://www.python.org
顶部导航栏点击 Downloads
页面会自动推荐适合 Windows 的版本，比如：Download Python 3.xx
点击这个按钮，下载一个 .exe 安装程序（例如：python-3.12.3-amd64.exe）

2.1.2. 运行安装程序（最关键的一步）

双击下载好的 python-3.xx-amd64.exe，按下面步骤设置：

安装界面最下面有一行：
- ✅ 务必勾选：Add Python 3.xx to PATH
- 这一步决定以后能不能在命令行里直接使用 python 命令，非常重要。
在 Customize installation 里：
1. Optional Features（可选功能）
  建议全部勾上：
  - ✅ pip（Python 包管理器，必须）
  - ✅ IDLE（自带小编辑器，可视化调试简单脚本）
  - ✅ Documentation
  - ✅ Python test suite
  - ✅ py launcher
    然后点击 Next
2. Advanced Options（高级选项） ：
  建议勾选：
  - ✅ Install for all users（多用户电脑建议，路径会在 C:\Program Files\Python3x）
  - ✅ Add Python to environment variables（如果前面漏勾 PATH，这里一定要勾上）
  - ✅ Precompile standard library（加快首次运行速度）

2.1.3. 验证 Python 是否安装成功

安装完成后，按下面步骤检查：

按 Win 键，输入 cmd，打开 命令提示符（Command Prompt）
在黑窗口里输入：
bash
```
python --version
```
1
或
bash
```
py --version
```
1
如果看到类似：
text
```
Python 3.12.3
```
1
说明安装成功，PATH 也生效了。

2.1.4. 验证 pip 是否可用

在同一个命令行里输入：

bash

pip --version

如果看到类似：

text

pip 24.x from C:\Python\Python312\Lib\site-packages\pip (python 3.12)

说明 pip 已安装成功，可以用来安装后续的 monai、nibabel 等包。

2.2.Linux 系统

2.2.1. 检查系统是否已安装 Python

打开终端（Terminal），输入：

bash

python3 --version

如果看到类似输出：

text

Python 3.10.12

说明系统已经有 Python3 了，一般可以直接使用。

再检查 pip 是否存在：

bash

pip3 --version

如果提示 “command not found”，说明还没安装 pip，后面会安装。

2.2.2. 使用包管理器安装 Python（Ubuntu / Debian）

2.1 更新软件源

先更新一下软件包列表：

bash

sudo apt update

2.2 安装 Python3 与常用依赖

执行：

bash

sudo apt install -y python3 python3-pip python3-venv

说明：

python3：Python 解释器
python3-pip：Python 包管理工具 pip
python3-venv：用于创建虚拟环境（不装 Conda 的情况下非常有用）

安装完成后再次确认版本：

bash

python3 --version
pip3 --version

3.使用 conda 安装 python（推荐）

Conda 是数据科学与医学影像领域最常用的环境管理工具，能够为不同项目创建彼此独立的 Python 环境，避免包冲突。
本节将介绍如何在 Windows / Linux 上安装 Conda（Miniconda）并创建干净可控的 Python 环境。

3.1. 下载并安装 Miniconda（推荐）

为什么用 Miniconda 而不是 Anaconda？

Miniconda 更轻量，不会额外安装上千个不必要的包
更适合科研项目与医学影像工程
完全兼容 Anaconda 的功能

3.2. Windows 安装 Miniconda

步骤 1：下载安装包

访问官网：

👉 https://repo.anaconda.com/miniconda/

选择：

Miniconda3 Windows 64-bit Installer (.exe)

步骤 2：运行安装程序

双击安装包：

选择 Just Me 或 All Users
重要：勾选 "Add Miniconda3 to my PATH environment variable"
- 如果没有勾选，也没关系，Conda 会自动加入 PATH 针对 CMD / PowerShell
点击 Install

步骤 3：验证安装

打开 Anaconda Prompt 或 CMD：

bash

conda --version

若显示：

conda 24.x.x

则安装成功。

3. Linux 安装 Miniconda

步骤 1：下载安装脚本

访问官网：

👉 https://docs.conda.io/en/latest/miniconda.html

复制 Linux 安装脚本链接，例如：

bash

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

步骤 2：运行安装脚本

bash

bash Miniconda3-latest-Linux-x86_64.sh

按提示操作：

阅读并同意协议
选择安装路径（默认即可：~/miniconda3）
选择是否初始化 conda（推荐 YES）

步骤 3：使 conda 生效

如果你刚才选择了 YES，只需重新打开终端即可。
如果选择了 NO，需要手动运行：

bash

source ~/miniconda3/bin/activate

验证：

bash

conda --version

步骤4：创建一个新的 Python 环境（最关键）

无论 Windows / Linux，下面步骤完全一致。

创建一个医学影像项目专用环境，例如 medimg：

bash

conda create -n medimg python=3.10

解释：
-n medimg：环境名字
python=3.10：指定 Python 版本（最兼容 MONAI/ASTRA/BART）

激活环境：

bash

conda activate medimg

验证：

bash

python --version

你应该看到：

Python 3.10.x

4.安装 ASTRA

4.1.ASTRA Toolbox 简介

ASTRA Toolbox 官方链接：
官方网站：https://astra-toolbox.com/
GitHub 仓库：https://github.com/astra-toolbox/astra-toolbox

ASTRA Toolbox（All Scale Tomographic Reconstruction Antwerp）是一个专门用于 X 射线断层成像（CT） 的高性能计算库。它提供了 GPU 加速的投影与重建算法，是科研人员进行：

平行束 / 扇束 / 圆锥束 CT 几何模拟
前向投影（forward projection）
FBP（Filtered Back Projection）快速重建
ART、SIRT、CGLS 等迭代重建算法
深度学习 + CT 模拟 / 重建前处理

的首选工具之一。

4.2.Windows 系统安装 ASTRA Toolbox

通过 Conda 安装（最推荐）

这是针对 Windows 的首选方式：简单、稳定、无须编译。

步骤 1：创建 Python 环境

建议先创建一个干净的 Conda 环境（避免污染系统 Python）：

bash

conda create -n medimg python=3.10
conda activate medimg

推荐 Python 3.9–3.11（ASTRA 官方支持范围）。

步骤 2：安装 ASTRA（CPU 版本）

Windows 不支持 GPU 版本，因此直接用：

bash

conda install -c astra-toolbox astra-toolbox

Conda 会自动安装：

astra-toolbox（Python 接口）
astra-core（C++ 核心库）
相关依赖（如 numpy、scipy）

步骤 3：验证安装

进入 Python：

bash

python

输入：

python

import astra
print(astra.__version__)

正常输出版本号（如 1.10.0）即安装成功。

4.2.Linux 系统安装 ASTRA Toolbox

步骤 1：创建环境（强烈推荐独立环境）

bash

conda create -n medimg python=3.10
conda activate medimg

步骤 2：安装 ASTRA（自动选择 CPU/GPU）

执行官方推荐命令：

bash

conda install -c astra-toolbox -c nvidia astra-toolbox

说明：

-c astra-toolbox：ASTRA 官方仓库
-c nvidia：用于提供 CUDA runtime（Linux GPU 所需）
若你系统没有 GPU，会安装 CPU 版本
若你有 GPU，会安装 GPU 加速版（CUDA runtime 自动安装）

不需要手动安装 CUDA toolkit！

步骤 3：测试安装

bash

python - << 'EOF'
import astra
print("ASTRA version:", astra.__version__)
EOF

输出版本号即成功。

4.3.测试安装结果

可以用此代码验证 ASTRA 是否能正常工作：

python

import astra
import numpy as np

# 64x64 phantom
vol = np.ones((64, 64), dtype=np.float32)
vol_geom = astra.create_vol_geom(64, 64)

# 平行束几何（180 angles）
angles = np.linspace(0, np.pi, 180, endpoint=False)
proj_geom = astra.create_proj_geom('parallel', 1.0, 64, angles)

pid, sino = astra.create_sino(vol, proj_geom)
print("sino shape:", sino.shape)

预期输出：

sino shape: (180, 64)

5.安装 BART

5.1.BART 简介

官方网站：https://mrirecon.github.io/bart/
GitHub 仓库：https://github.com/mrirecon/bart
官方文档：https://bart-doc.readthedocs.io/en/latest/intro.html
Workshop 与示例材料库：https://github.com/mrirecon/bart-workshop

BART（Berkeley Advanced Reconstruction Toolbox） 是一个用于 MRI（磁共振成像）重建、信号处理和快速原型开发的开源工具箱。它由 UC Berkeley 研发，属于医学影像和 MR 物理学界使用最广泛的重建工具之一，特别适合科研人员使用。

BART 是一个 高性能 MRI 重建与信号处理工具包，特点是：

命令行工具 + C 库 + Python/MATLAB 接口
支持 基本 MRI 重建：
- FFT / IFFT
- Sense / pSense
- GRAPPA
支持 先进算法：
- CS（Compressed Sensing 压缩感知）
- L1-wavelet / TV 正则
- LLR, LORAKS, low-rank reconstruction
- NUFFT（非均匀 FFT）
支持 MRI 采集几何：
- 多通道（multi-coil）数据
- k-space 非均匀采样
- 多维数据 (2D/3D/dynamic MRI)

5.2.Windows 系统下安装 BART

步骤1：环境准备

Windows 系统。
安装一个兼容的 GLC 编译器环境（BART 在 Windows 上官方支持有限）。官方给出两种路径：使用 Cygwin 或者用虚拟机运行 Linux。
在 Cygwin 环境里，需要安装以下包：
- Devel: gcc, make
- Math: fftw3, fftw3-doc, libfftw3-devel, libfftw3_3
- Math: liblapack-devel, liblapack-doc, liblapack0
若希望 GPU 加速（Windows 本身支持较弱）—通常建议在 Linux 下做。文档中指出 “Running BART on Windows is not supported” 但有用户通过 Cygwin/WSL 运行。

步骤2：下载 BART 源码或发行包

打开仓库： https://github.com/mrirecon/bart
或官方网页： https://mrirecon.github.io/bart/installation.html → 下载最新版 zip/tar 包。
下载最新 Release（如 version 0.9.00）中的 Windows 支持说明。
解压压缩文件到某个目录，例如 C:\tools\bart-0.9.00\

步骤3：使用 Cygwin 编译安装

安装 Cygwin：访问 https://www.cygwin.com/，下载安装程序。
在安装 Cygwin 时，在安装界面选择对应包（见 “环境准备”）。
打开 Cygwin Terminal，在解压的 BART 目录下运行：
bash
```
cd /cygdrive/c/tools/bart-0.9.00
make
```
1
2
这样会编译 BART 的命令行工具与库。
如果希望支持 GPU（视 Windows 下是否有适配、可能失败）可尝试在 Makefile 中添加 CUDA=1，但官方警告 Windows 支持有限。

步骤4：在 Windows（Cygwin）中验证安装

在 Cygwin shell 中，尝试运行某个 BART 工具命令：

bash

bart fft   # 如果此命令输出帮助或错误提示 “usage”, 则安装成功

在 Python / MATLAB 中调用（如果你编译了 Python 接口）时，确保库路径已在环境变量中。
若遇 “command not found” 或库加载失败，可检查环境变量 PATH 是否包含 BART 的 bin 目录，或者 Cygwin 的 usr/bin 是否已链接。

提示与常见问题

Windows 环境下 BART 支持程度低，强烈推荐使用 WSL2 或 Linux 虚拟机来运行更稳定。文档明确指出 “Windows support by MSYS2; generic” 或 “Use Cygwin” 等语句。
若只是为了算法复现实验，也可以在 Windows 上启用 WSL2 安装 Ubuntu，然后在 WSL2 内按照 Linux 安装流程运行。
编译过程中常见错误：缺少 fftw3、lapack、blas 库，确保在 Cygwin 安装时选择对应 dev 包。
GPU 支持在 Windows 极为不稳定，不推荐用于研究初期。

5.3.Linux 系统下安装 BART

步骤1：环境准备

推荐先安装的依赖：

bash

sudo apt-get update
sudo apt-get install -y \
    gcc \
    make \
    libfftw3-dev \
    liblapacke-dev \
    libpng-dev \
    libopenblas-dev

gcc, make：编译工具。
libfftw3-dev：FFTW（快速傅里叶变换库）开发包。
liblapacke-dev：LAPACK/BLAS 相关开发包。
libpng-dev：若需要图像读取/写出支持。
libopenblas-dev：推荐加速 BLAS 运算。

步骤2：下载 BART 源码或 Release 包

往官方页面或 GitHub 仓库下载最新版本：

bash

git clone https://github.com/mrirecon/bart.git
cd bart

或者从 release 页面下载 .tar.gz：

bash

wget https://github.com/mrirecon/bart/archive/v0.9.00.tar.gz
tar xzvf v0.9.00.tar.gz
cd bart-0.9.00

步骤3：编译安装、开启 GPU 加速（可选）

在源码目录中运行：

bash

make

如果你想启用额外功能（如 ISMRMRD 支持）：

bash

make ismrmrd

如果你的机器有 NVIDIA 显卡并且你希望使用 GPU 加速，BART 支持 CUDA。

在编译时在源码目录执行：

bash

make clean
make CUDA=1

即可启用 GPU 支持。需要安装对应的 CUDA 版本、NVIDIA 驱动、CUDA Toolkit 等。

步骤4：安装 Python 接口（可选）

如果你打算在 Python 中使用 BART，很多版本中源码自带 python/ 目录。建议：

bash

cd python
pip install .

然后在 Python 中测试：

python

import bart
bart.print_settings()

步骤5：验证安装是否成功

在终端执行：

bash

bart fft   # 显示帮助说明

也可以运行一个简单命令行重建工具测试。若能输出版本号、帮助信息或不报错，即表示安装成功。

6.安装 MONAI

6.1.MONAI 简介

官方网站：https://monai.dev/
GitHub 仓库：https://github.com/Project-MONAI/MONAI
官方文档：https://docs.monai.io/（包括安装指导、API 文档等）

MONAI（Medical Open Network for AI） 是由 NVIDIA + 美国 NIH（国立卫生研究院） 共同主导开发的 医学影像深度学习框架。
它基于 PyTorch，专门为医学影像任务（CT / MRI / X-ray / Ultrasound）设计，提供从数据加载、预处理、训练、评估到部署的完整工具链。

MONAI 已成为医学影像 AI 研究中最主流的开源框架之一。

6.2.安装前准备

在安装 MONAI 之前，需要：

安装 Miniconda 或 Anaconda
安装 Python 3.9–3.11（推荐 3.10）
可选：安装 NVIDIA 驱动（如需 GPU）
推荐使用 独立 conda 环境

6.3.安装 PyTorch

MONAI 依赖 PyTorch，因此必须先安装 PyTorch。

前往 PyTorch 官方安装页面：

👉 https://pytorch.org/

选择对应系统的指令。

● CPU 版本（Windows / Linux 通用）

bash

pip install torch torchvision torchaudio

● GPU 版本（以 CUDA 12.4 为例）

bash

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

如果你不知道 CUDA 版本，运行 nvidia-smi（Linux）或查看 NVIDIA 控制面板（Windows）。

6.4.安装 MONAI

bash

pip install monai

安装可选扩展依赖（可选）

常用增强包：

bash

pip install "monai[nibabel,skimage,pillow,ignite]"

全部可选依赖（最完整版）：

bash

pip install "monai[all]"

适用于科研任务（如 segmentation / registration）。

6.5.安装验证

运行以下 Python 脚本：

python

import monai
import torch

print("MONAI version:", monai.__version__)
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())

若无报错，且输出现有版本，则说明安装成功。

7.安装 NiBabel

7.1.NiBabel 简介

GitHub 仓库（源代码 + issues +开发者） : https://github.com/nipy/nibabel
官方文档 : https://nipy.org/nibabel/
PyPI : https://pypi.org/project/nibabel/

NiBabel 是一个专门用于读取、处理和保存医学影像文件的 Python 工具包，支持 NIfTI（.nii/.nii.gz）、Analyze、MINC、MGH/MGZ 等主流格式，并能将医学影像数据加载为 NumPy 数组，同时提供 affine 矩阵、空间方向、头信息等完整元数据管理。它是医学影像 AI、神经影像（fMRI/dMRI）、深度学习预处理与科研分析中最常用的文件 I/O 库，也是 MONAI、PyTorch 及各种医学影像工具链的底层基础组件之一。

7.2 .安装当前稳定版（推荐）

使用 pip 安装 NiBabel 的最新发布版本：

bash

pip install nibabel

7.3 . 安装最新开发版

如果希望使用 GitHub 上的最新开发进度（未发布版本），可运行：

bash

pip install git+https://github.com/nipy/nibabel

7.4 . 以“可编辑模式”安装（开发 NiBabel 源码时使用）

当你需要修改 NiBabel 源码、参与开发或调试时，可以以可编辑模式安装：

bash

git clone https://github.com/nipy/nibabel.git
pip install -e ./nibabel

这种方式会让 Python 直接引用本地源码目录，修改后无需重新安装。

7.5.测试 NiBabel

1. 在开发过程中运行完整测试（推荐开发者使用 tox）

bash

git clone https://github.com/nipy/nibabel.git
cd nibabel
tox

tox 会自动创建虚拟环境并在多个 Python 版本下测试 NiBabel，适合参与开发的用户。

2. 测试已安装的 NiBabel

如果你只想测试当前系统中安装的 NiBabel，可安装测试依赖并运行 pytest：

bash

pip install nibabel[test]
pytest --pyargs nibabel

这将运行 NiBabel 的全部测试模块，确保安装正常。

‍

B 工具安装 ​

B 工具安装 ​

1.引言 ​

2.直接安装 python ​

2.1.window 系统 ​

2.1.1.下载 Python 安装程序 ​

2.1.2. 运行安装程序（最关键的一步） ​

2.1.3. 验证 Python 是否安装成功 ​

2.1.4. 验证 pip 是否可用 ​

2.2.Linux 系统 ​

2.2.1. 检查系统是否已安装 Python ​

2.2.2. 使用包管理器安装 Python（Ubuntu / Debian） ​

3.使用 conda 安装 python（推荐） ​

3.1. 下载并安装 Miniconda（推荐） ​

3.2. Windows 安装 Miniconda ​

步骤 1：下载安装包 ​

步骤 2：运行安装程序 ​

步骤 3：验证安装 ​

3. Linux 安装 Miniconda ​

步骤 1：下载安装脚本 ​

步骤 2：运行安装脚本 ​

步骤 3：使 conda 生效 ​

步骤4：创建一个新的 Python 环境（最关键） ​

4.安装 ASTRA ​

4.1.ASTRA Toolbox 简介 ​

4.2.Windows 系统安装 ASTRA Toolbox ​

通过 Conda 安装（最推荐） ​

步骤 1：创建 Python 环境 ​

步骤 2：安装 ASTRA（CPU 版本） ​

步骤 3：验证安装 ​

4.2.Linux 系统安装 ASTRA Toolbox ​

步骤 1：创建环境（强烈推荐独立环境） ​

步骤 2：安装 ASTRA（自动选择 CPU/GPU） ​

步骤 3：测试安装 ​

4.3.测试安装结果 ​

5.安装 BART ​

5.1.BART 简介 ​

5.2.Windows 系统下安装 BART ​

步骤1：环境准备 ​

步骤2：下载 BART 源码或发行包 ​

步骤3：使用 Cygwin 编译安装 ​

步骤4：在 Windows（Cygwin）中验证安装 ​

提示与常见问题 ​

5.3.Linux 系统下安装 BART ​

步骤1：环境准备 ​

步骤2：下载 BART 源码或 Release 包 ​

步骤3：编译安装、开启 GPU 加速（可选） ​

步骤4：安装 Python 接口（可选） ​

步骤5：验证安装是否成功 ​

6.安装 MONAI ​

6.1.MONAI 简介 ​

6.2.安装前准备 ​

6.3.安装 PyTorch ​

6.4.安装 MONAI ​

6.5.安装验证 ​

7.安装 NiBabel ​

7.1.NiBabel 简介 ​

7.2 .安装当前稳定版（推荐） ​

7.3 . 安装最新开发版 ​

7.4 . 以“可编辑模式”安装（开发 NiBabel 源码时使用） ​

7.5.测试 NiBabel ​

1. 在开发过程中运行完整测试（推荐开发者使用 tox） ​

2. 测试已安装的 NiBabel ​

B 工具安装

B 工具安装

1.引言

2.直接安装 python

2.1.window 系统

2.1.1.下载 Python 安装程序

2.1.2. 运行安装程序（最关键的一步）

2.1.3. 验证 Python 是否安装成功

2.1.4. 验证 pip 是否可用

2.2.Linux 系统

2.2.1. 检查系统是否已安装 Python

2.2.2. 使用包管理器安装 Python（Ubuntu / Debian）

3.使用 conda 安装 python（推荐）

3.1. 下载并安装 Miniconda（推荐）

3.2. Windows 安装 Miniconda

步骤 1：下载安装包

步骤 2：运行安装程序

步骤 3：验证安装

3. Linux 安装 Miniconda

步骤 1：下载安装脚本

步骤 2：运行安装脚本

步骤 3：使 conda 生效

步骤4：创建一个新的 Python 环境（最关键）

4.安装 ASTRA

4.1.ASTRA Toolbox 简介

4.2.Windows 系统安装 ASTRA Toolbox

通过 Conda 安装（最推荐）

步骤 1：创建 Python 环境

步骤 2：安装 ASTRA（CPU 版本）

步骤 3：验证安装

4.2.Linux 系统安装 ASTRA Toolbox

步骤 1：创建环境（强烈推荐独立环境）

步骤 2：安装 ASTRA（自动选择 CPU/GPU）

步骤 3：测试安装

4.3.测试安装结果

5.安装 BART

5.1.BART 简介

5.2.Windows 系统下安装 BART

步骤1：环境准备

步骤2：下载 BART 源码或发行包

步骤3：使用 Cygwin 编译安装

步骤4：在 Windows（Cygwin）中验证安装

提示与常见问题

5.3.Linux 系统下安装 BART

步骤1：环境准备

步骤2：下载 BART 源码或 Release 包

步骤3：编译安装、开启 GPU 加速（可选）

步骤4：安装 Python 接口（可选）

步骤5：验证安装是否成功

6.安装 MONAI

6.1.MONAI 简介

6.2.安装前准备

6.3.安装 PyTorch

6.4.安装 MONAI

6.5.安装验证

7.安装 NiBabel

7.1.NiBabel 简介

7.2 .安装当前稳定版（推荐）

7.3 . 安装最新开发版

7.4 . 以“可编辑模式”安装（开发 NiBabel 源码时使用）

7.5.测试 NiBabel

1. 在开发过程中运行完整测试（推荐开发者使用 tox）

2. 测试已安装的 NiBabel