python中的半对数，

我正在做医学图像分析，我想应用这个方程对我的数据集进行单指数拟合

x = log(Sb/S0) / -b

总之，根据b，我对Sb有3个可能的值，我想找到一个合适的值。例如，如果b=[3006001000]的Sb=[5,3.5,1.3]，考虑到我的实际数据比这更复杂，我应该如何处理呢。

x是表示所获取扩散图像Sb中信号衰减的参数图。S0是未应用扩散梯度的基线图像

可以仅使用两点计算x。但将其拟合到多个点可以消除噪声的可能影响，并且通常更精确

我有Sb1000，Sb600，Sb300，我想为方程的三个变量中的每一个拟合x

我最初的猜测是我应该使用

curve\u fit

，但我不确定应该如何放置变量

我的变量是：

Sb = Numpy 3D array (38,240,240) -- 3 Different sets Sb100, Sb600, Sb300

S0 = Numpy 3D array (38,240,240)

b是一个整数

我也尝试过

Numpy.linalg.solve（）

，但没有成功

---

谢谢

嘿。Sb和b是什么？我正在做MRI扩散图像分析，以建立一个称为（ADC）的参数图。无论如何，我有3个不同的扩散图像（Sb变量），我使用上面提到的方程来获得ADC（X）。目前，我可以通过每次放置一个不同的Sb数组来生成三个贴图。如果我在分析中包含了超过b的值，那么应该可以提供更精确的X估计。图像信号衰减是线性的，但为了消除噪声的影响，最好在两个以上的点上拟合曲线。是

（38240240）

三个值的元组还是

Sb

和

S0

的形状？这是阵列的形状。Sb和b是什么？我正在做MRI扩散图像分析，以建立一个称为（ADC）的参数图。无论如何，我有3个不同的扩散图像（Sb变量），我使用上面提到的方程来获得ADC（X）。目前，我可以通过每次放置一个不同的Sb数组来生成三个贴图。如果我在分析中包含了超过b的值，那么应该可以提供更精确的X估计。图像信号衰减是线性的，但为了消除噪声的影响，最好在两个以上的点上拟合曲线。是

（38240240）

3个值的元组还是

Sb

和

S0

的形状？这是阵列的形状