在过去几年中,跨计算环境的神经成像分析的可重复性引起了人们的关注。已经部署了软件容器化解决方案,例如Docker和奇异性,以掩盖软件诱导的可变性的影响,但硬件体系结构的变化仍然不明显地导致了不清楚的结果。我们研究了硬件变异性对FSL Flirt Application产生的线性注册结果的影响,FSL Flirt Application是神经成像数据分析中广泛使用的软件组件。使用Grid'5000基础架构,我们使用两个软件包装系统(Docker and GUIX)研究了九种不同的CPU模型的效果,我们将所得的硬件变异性与随机圆形测量的数值变异性进行了比较。结果表明,硬件,软件和数值可变性导致类似幅度的扰动 - 尽管不相关 - 表明这三种可变性
过去几年,神经成像分析在计算环境中的可重复性引起了广泛关注。虽然已经部署了 Docker 和 Singularity 等软件容器化解决方案来掩盖软件引起的变化的影响,但硬件架构的变化仍然以不明确的方式影响神经成像结果。我们研究了硬件变化对 FSL FLIRT 应用程序(神经成像数据分析中广泛使用的软件组件)产生的线性配准结果的影响。使用 Grid'5000 基础设施,我们研究了使用两个软件包系统(Docker 和 Guix)的九种不同 CPU 模型的影响,并将由此产生的硬件变化与用随机舍入测量的数值变化进行比较。结果表明,硬件、软件和数值变化会导致类似幅度的扰动
