用户指南
========

本指南按照生境分析的逻辑顺序组织，帮助您从数据准备到模型部署完成整个工作流程。

.. toctree::
   :maxdepth: 2

   roi_preparation_zh
   image_preprocessing_zh
   habitat_segmentation_zh
   habitat_feature_extraction_zh
   machine_learning_modeling_zh
   model_comparison_zh

工作流程概述
------------

HABIT 的完整工作流程包括以下步骤：

1. **数据准备**: 准备医学图像数据和 ROI 掩码
2. **图像预处理**: 对原始图像进行预处理（重采样、配准、标准化等）
3. **生境分割**: 使用聚类算法将肿瘤分割为多个生境
4. **生境特征提取**: 从生境图中提取各种特征
5. **机器学习建模**: 使用提取的特征进行机器学习建模

**工作流程图：**

.. image:: ../images/habitat_concept_workflow.png
   :alt: 生境分析工作流程
   :align: center

**步骤顺序说明：**

- **预处理和 ROI 准备可以互换**: 可以先进行预处理，也可以先勾画 ROI
- **勾画不是 HABIT 的重点**: 推荐使用 ITK-SNAP、3D Slicer 等专业工具
- **生境分割是核心**: HABIT 的核心功能是生境分割和特征提取
- **机器学习是可选的**: 可以使用提取的特征进行其他分析

**CLI 和 Python API：**

每个步骤都支持两种使用方式：

- **CLI**: 适合批处理和自动化任务
- **Python API**: 适合集成到其他项目或进行定制化开发

选择适合您的使用方式，参考每个步骤的详细文档。

自定义扩展
------------

HABIT 支持高度的自定义扩展，您可以：

- **自定义预处理器**: 添加自定义的图像预处理方法
- **自定义特征提取器**: 添加自定义的聚类特征提取方法
- **自定义聚类算法**: 添加自定义的聚类算法
- **自定义策略**: 添加自定义的生境分割策略
- **自定义模型**: 添加自定义的机器学习模型
- **自定义特征选择器**: 添加自定义的特征选择方法

参考 :doc:`../customization/index_zh` 了解详细的扩展指南。

配置文件
---------

HABIT 使用 YAML 配置文件来控制所有参数。每个步骤都有对应的配置文件模板：

- **预处理配置**: `config_preprocessing.yaml`
- **生境分析配置**: `config_habitat.yaml`
- **特征提取配置**: `config_extract_features.yaml`
- **机器学习配置**: `config_machine_learning.yaml`

参考 :doc:`../configuration_zh` 了解配置文件的详细说明。

数据结构
---------

HABIT 支持两种数据输入方式：

1. **文件夹方式**: 按照固定的文件夹结构组织数据
2. **YAML 配置文件方式**: 通过 YAML 文件指定数据路径（推荐）

参考 :doc:`../data_structure_zh` 了解数据结构的详细说明。

下一步
-------

选择您感兴趣的步骤，查看详细文档：

- :doc:`roi_preparation_zh`: ROI 文件准备
- :doc:`image_preprocessing_zh`: 图像预处理
- :doc:`habitat_segmentation_zh`: 生境分割
- :doc:`habitat_feature_extraction_zh`: 生境特征提取
- :doc:`machine_learning_modeling_zh`: 机器学习建模
- :doc:`model_comparison_zh`: 模型对比与统计检验

或者查看：

- :doc:`../tutorials/index_zh`: 完整的教程
- :doc:`../customization/index_zh`: 自定义扩展指南
- :doc:`../configuration_zh`: 配置参考
- :doc:`../index`: 实用工具与其他入口