def test_FNIRT_outputs():
output_map = dict(field_file=dict(),
fieldcoeff_file=dict(),
jacobian_file=dict(),
log_file=dict(),
modulatedref_file=dict(),
out_intensitymap_file=dict(),
warped_file=dict(),
)
outputs = FNIRT.output_spec()
for key, metadata in output_map.items():
for metakey, value in metadata.items():
yield assert_equal, getattr(outputs.traits()[key], metakey), value
def test_FNIRT_inputs():
input_map = dict(affine_file=dict(argstr='--aff=%s',
),
apply_inmask=dict(argstr='--applyinmask=%s',
sep=',',
xor=['skip_inmask'],
),
apply_intensity_mapping=dict(argstr='--estint=%s',
sep=',',
xor=['skip_intensity_mapping'],
),
apply_refmask=dict(argstr='--applyrefmask=%s',
sep=',',
xor=['skip_refmask'],
),
args=dict(argstr='%s',
),
bias_regularization_lambda=dict(argstr='--biaslambda=%f',
),
biasfield_resolution=dict(argstr='--biasres=%d,%d,%d',
),
config_file=dict(argstr='--config=%s',
),
derive_from_ref=dict(argstr='--refderiv',
),
environ=dict(nohash=True,
usedefault=True,
),
field_file=dict(argstr='--fout=%s',
hash_files=False,
),
fieldcoeff_file=dict(argstr='--cout=%s',
),
hessian_precision=dict(argstr='--numprec=%s',
),
ignore_exception=dict(nohash=True,
usedefault=True,
),
in_file=dict(argstr='--in=%s',
mandatory=True,
),
in_fwhm=dict(argstr='--infwhm=%s',
sep=',',
),
in_intensitymap_file=dict(argstr='--intin=%s',
),
inmask_file=dict(argstr='--inmask=%s',
),
inmask_val=dict(argstr='--impinval=%f',
),
intensity_mapping_model=dict(argstr='--intmod=%s',
),
intensity_mapping_order=dict(argstr='--intorder=%d',
),
inwarp_file=dict(argstr='--inwarp=%s',
),
jacobian_file=dict(argstr='--jout=%s',
hash_files=False,
),
jacobian_range=dict(argstr='--jacrange=%f,%f',
),
log_file=dict(argstr='--logout=%s',
genfile=True,
hash_files=False,
),
max_nonlin_iter=dict(argstr='--miter=%s',
sep=',',
),
modulatedref_file=dict(argstr='--refout=%s',
hash_files=False,
),
out_intensitymap_file=dict(argstr='--intout=%s',
hash_files=False,
),
output_type=dict(),
ref_file=dict(argstr='--ref=%s',
mandatory=True,
),
ref_fwhm=dict(argstr='--reffwhm=%s',
sep=',',
),
refmask_file=dict(argstr='--refmask=%s',
),
refmask_val=dict(argstr='--imprefval=%f',
),
regularization_lambda=dict(argstr='--lambda=%s',
sep=',',
),
regularization_model=dict(argstr='--regmod=%s',
),
skip_implicit_in_masking=dict(argstr='--impinm=0',
),
skip_implicit_ref_masking=dict(argstr='--imprefm=0',
),
skip_inmask=dict(argstr='--applyinmask=0',
xor=['apply_inmask'],
),
skip_intensity_mapping=dict(argstr='--estint=0',
xor=['apply_intensity_mapping'],
),
skip_lambda_ssq=dict(argstr='--ssqlambda=0',
),
skip_refmask=dict(argstr='--applyrefmask=0',
xor=['apply_refmask'],
),
spline_order=dict(argstr='--splineorder=%d',
),
subsampling_scheme=dict(argstr='--subsamp=%s',
sep=',',
),
terminal_output=dict(nohash=True,
),
warp_resolution=dict(argstr='--warpres=%d,%d,%d',
),
warped_file=dict(argstr='--iout=%s',
genfile=True,
hash_files=False,
),
)
inputs = FNIRT.input_spec()
for key, metadata in input_map.items():
for metakey, value in metadata.items():
yield assert_equal, getattr(inputs.traits()[key], metakey), value