--- a
+++ b/fetal_net/preprocess.py
@@ -0,0 +1,27 @@
+from scipy import ndimage
+import numpy as np
+
+
+def norm_minmax(d):
+    return -1 + 2 * (d - d.min()) / (d.max() - d.min())
+
+
+def laplace(d):
+    return ndimage.laplace(d)
+
+
+def laplace_norm(d):
+    return norm_minmax(laplace(d))
+
+
+from scipy.ndimage import gaussian_gradient_magnitude
+def grad(d):
+    return gaussian_gradient_magnitude(d, sigma=(1,1,1))
+    #grads = np.zeros_like(d)
+    #for a in range(d.squeeze().ndim):
+    #    grads += np.power(ndimage.sobel(d.squeeze(), axis=a), 2)
+    #return np.sqrt(grads)
+
+
+def grad_norm(d):
+    return norm_minmax(grad(d))