Nilearn：Python 脑影像分析与机器学习工具

Nilearn 是面向脑体积与脑表面数据的 Python 分析库，提供统计与机器学习工具，用于预测建模、分类、解码与连接分析等任务。

这个工具是什么

Nilearn 是一个用 Python 编写的开源神经影像分析库，官方定位是让脑体积与脑表面数据的分析更易上手、更通用。它提供统计与机器学习工具，并配有教学性文档与社区支持。技术上，它支持基于一般线性模型（GLM）的分析，并借助 scikit-learn 工具箱实现多变量统计，应用方向包括预测建模、分类、解码与连接分析。项目采用 BSD-3-Clause 许可证，源码托管在 GitHub，文档发布在 nilearn.github.io，并通过 PyPI 分发。

核心能力

• 支持基于一般线性模型（GLM）的脑影像统计分析
• 借助 scikit-learn 实现多变量统计，覆盖预测建模、分类与解码
• 面向脑体积与脑表面数据，提供统计与机器学习两类工具
• 配有教学性文档与社区渠道，便于上手与求助

科研中的典型用法

• 对 fMRI 数据进行解码或分类分析，构建预测模型
• 开展脑连接分析，研究脑区间的功能或结构关联
• 在脑体积或脑表面数据上运行 GLM 类统计分析

快速上手

在已配置好的 Python 环境中执行 python -m pip install nilearn 即可安装最新发布版。若使用绘图功能或运行示例，需要额外安装 matplotlib；部分绘图函数使用 plotly 引擎时还需安装 plotly 与 kaleido。开发版的安装步骤见贡献指南，完整安装说明见官方 install 页面。

生态与相近工具

Nilearn 建立在 scikit-learn 之上，多变量统计部分直接复用其接口与算法。README 未列举其他同领域工具，因此取舍建议需结合具体分析需求参考官方文档。项目提供 Discord、Mastodon、Bluesky、YouTube 等社区渠道，并每周三 16:00–17:00 UTC 在 Jitsi Meet 举行开放答疑时段。

项目信息

• 仓库：nilearn/nilearn
• 星标：1,435　·　派生：678
• 主要语言：Python
• 许可证：BSD-3-Clause
• 最近提交：2026-09-18
• 项目主页：http://nilearn.github.io

本文属于《学科研究工具知识库 · 神经科学》第 8 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。