Já se passaram dois meses desde que este perfil recebeu uma nova avaliação

Avaliações e Detalhes do Produto Nilearn

Nilearn é um módulo Python para aprendizado estatístico rápido e fácil em dados de neuroimagem que aproveita a caixa de ferramentas scikit-learn Python para estatísticas multivariadas com aplicações como modelagem preditiva, classificação, decodificação ou análise de conectividade.

Vendedor

Nilearn

Descrição do Produto

Nilearn é um módulo Python para aprendizado estatístico rápido e fácil em dados de neuroimagem que aproveita a caixa de ferramentas scikit-learn Python para estatísticas multivariadas com aplicações como modelagem preditiva, classificação, decodificação ou análise de conectividade.

Alternativas Mais Bem Avaliadas

Ver Todas as Alternativas

Avaliações Nilearn (3)

Ver Filtros

As avaliações da G2 são autênticas e verificadas.

Veja como.

PA

Paresh A.

Software Engineer

Tecnologia da Informação e Serviços

Empresa (> 1000 emp.)

6/7/2018

"Melhor para aplicar ML em dados de neuroimagem."

5/5

O que você mais gosta Nilearn?

Nilearn é a biblioteca de aprendizado de máquina desenvolvida especialmente para o processamento de dados de neuroimagem. Ela possui vastos modelos treinados em dados de neuroimagem coletados de várias máquinas de ressonância magnética e outras máquinas de neuroimagem. Pode ser usada para aplicar aprendizado supervisionado em dados de neuroimagem, assim como pode ser usada para sugerir o tratamento de acordo com os dados de entrada para prever o tratamento. Também pode ser usada para Decodificação e MVPA. Portanto, é a melhor biblioteca para aplicar aprendizado de máquina em dados de neuroimagem e prever resultados adequados. Análise coletada por e hospedada no G2.com.

O que você não gosta Nilearn?

Eu não tenho nada a desgostar sobre o Nilearn porque ele tem dado os melhores resultados para minha aplicação. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Nilearn:

Eu recomendo usar o Nilearn porque ele ajuda a prever os melhores resultados em dados de neuroimagem e funciona melhor do que qualquer outra API, então eu sugeriria usar o Nilearn se você estiver lidando com dados de neuroimagem ou fazendo pesquisa sobre a aplicação de ML em dados de neuroimagem. Além disso, se você estiver trabalhando no desenvolvimento de software para o setor de saúde lidando com neurociência, então você deve usar o Nilearn. Em resumo, se você estiver lidando com dados de neuroimagem, eu recomendo usar o Nilearn. Análise coletada por e hospedada no G2.com.

Que problemas é Nilearn E como isso está te beneficiando?

Sou desenvolvedor de software e tenho que trabalhar com vários setores e desenvolver softwares para eles, então também recebo projetos do setor de saúde e, para isso, tenho que desenvolver software para médicos neurologistas para prever o tratamento de acordo com os resultados de imagem e, naquela época, usei o Nilearn para o projeto. Também o usei uma vez para desenvolver software para uma empresa de desenvolvimento de MRI para integrá-lo com sua máquina. Então, o Nilearn nos ajudou muito. Análise coletada por e hospedada no G2.com.

DP

Darshit P.

Senior Software Engineer

Tecnologia da Informação e Serviços

Empresa (> 1000 emp.)

6/5/2018

"Aprendizado de Máquina para Dados de Neuroimagem"

5/5

O que você mais gosta Nilearn?

Nilearn é a biblioteca para Python que é usada para processamento de imagens neurais. Ela facilita o uso de muitas técnicas avançadas de aprendizado de máquina, reconhecimento de padrões e técnicas estatísticas multivariadas em dados de neuroimagem. Pode ser facilmente usada em dados de fMRI, dados de repouso e dados VB, por isso é a melhor API para imagens neurais. Está sendo usada no setor de saúde para prever pontuações clínicas ou resposta ao tratamento com algoritmos de aprendizado supervisionado. Também pode ser usada para muitas outras funcionalidades para dados de neuroimagem. É a melhor biblioteca para prever e realizar aprendizado supervisionado em dados de neuroimagem. Análise coletada por e hospedada no G2.com.

O que você não gosta Nilearn?

Eu não tenho nada a desgostar sobre o Nilearn porque é a melhor biblioteca que está sendo usada no setor de saúde para prever várias respostas. Análise coletada por e hospedada no G2.com.

Recomendações a outras pessoas considerando Nilearn:

Eu recomendo o uso do Nilearn para aplicar algoritmos de aprendizado supervisionado nos resultados de neuroimagem produzidos por várias máquinas de imagem. Se você está desenvolvendo um software para o setor de saúde, você definitivamente precisa de um algoritmo de aprendizado de máquina para prever a resposta ao tratamento para o médico. Portanto, é muito útil para nós, então eu recomendo o uso do Nilearn para implementar aprendizado de máquina para dados de neuroimagem e prever resultados de acordo. Análise coletada por e hospedada no G2.com.

Que problemas é Nilearn E como isso está te beneficiando?

Sou designer de software e, de vez em quando, recebemos alguns projetos do setor de saúde também. Recentemente, estávamos trabalhando com o centro de imagem e eles precisavam de um produto de software para prever várias respostas dependendo da imagem da máquina em tempo real. Então, decidimos usar o Nilearn para implementar a previsão de imagens neurais usando aprendizado supervisionado. Assim, o Nilearn nos ajudou a desenvolver um software para esse centro de imagem. Também desenvolvi vários softwares para médicos que os usaram para prever respostas de tratamento com base nos resultados de imagem de ressonância magnética ou tomografia computadorizada. Portanto, o Nilearn tem sido usado muitas vezes por mim. Análise coletada por e hospedada no G2.com.

UP

Usuário Verificado em Prática Jurídica

Pequena Empresa (50 ou menos emp.)

1/16/2018

"Aprendizado de Máquina para Neuroimagem"

2.5/5

O que você mais gosta Nilearn?

Nilearn facilita o uso de muitas técnicas avançadas de aprendizado de máquina, reconhecimento de padrões e técnicas estatísticas multivariadas em dados de neuroimagem para aplicações como MVPA (Análise de Padrões Multi-Voxel), decodificação, modelagem preditiva, conectividade funcional, parcelamento cerebral, conectomas.

Nilearn pode ser facilmente usado em dados de fMRI de tarefa, estado de repouso ou VBM.

Para um especialista em aprendizado de máquina, o valor do nilearn pode ser visto como construção de engenharia de características específicas de domínio, ou seja, moldar dados de neuroimagem em uma matriz de características bem adequada para aprendizado estatístico, ou vice-versa. Análise coletada por e hospedada no G2.com.

O que você não gosta Nilearn?

Ainda não há nenhum artigo publicado sobre o nilearn que o revisor conheça. Análise coletada por e hospedada no G2.com.