mia-2dgroundtruthreg – Online in der Cloud

PROGRAMM:

NAME/FUNKTION

mia-2dgroundtruthreg – Registrierung einer Serie von 2D-Bildern

ZUSAMMENFASSUNG

mia-2dgroundtruthreg -i -o -A -B -R
[Optionen]

BESCHREIBUNG

mia-2dgroundtruthreg Dieses Programm implementiert die nichtlineare Registrierung basierend auf Pseudo
Ground Thruth zur Bewegungskompensation von Serien von Myokardperfusionsbildern wie beschrieben
in Chao Li und Ying Sun, „Nonrigid Registration of Myocardial Perfusion MRI Using Pseudo
„Ground Truth“, In Proc. Medizinische Bildverarbeitung und computergestützte Intervention MICCAI
2009, 165-172, 2009. Beachten Sie, dass für diese nichtlineare Bewegungskorrektur eine vorangehende lineare Bewegung erforderlich ist
Normalerweise ist ein Registrierungsschritt erforderlich.

OPTIONAL

Datei-IO
-i --in-file=(Eingabe, erforderlich); Schnur
Eingabe Perfusionsdatensatz

-o --out-file=(Ausgabe, erforderlich); Schnur
Ausgabe Perfusionsdatensatz

-r --registered=reg
Dateinamenbasis für registrierte Dateien

Voraussetzungen
-s --skip=2
Bilder am Anfang der Serie überspringenBilder am Anfang der Serie überspringen

-P --durchgänge=4
Anzahl der RegistrierungsausweiseAnzahl der Registrierungsausweise

Pseudo-Ground-Thruth
-A --alpha=(erforderlich); doppelt
räumliche Nachbarschaftsstraferäumliche Nachbarschaftsstrafe

-B --beta=(erforderlich); doppelt
zeitliche Strafe der zweiten AbleitungZeitliche Strafe der zweiten Ableitung
Gewicht

-R --rho_thresh=(erforderlich); doppelt
Korrelationsschwelle für NachbarschaftsanalyseKorrelationsschwelle für
Nachbarschaftsanalyse

Registrierung:
-O --optimizer=gsl:opt=gd,step=0.1
Optimierer für Minimierung verwendetOptimierer für Minimierung verwendet For
unterstützte Plugins siehe PLUGINS:minimizer/singlecost

-p --interpolator=bspline:d=3
Bild-Interpolator-KernelBild-Interpolator-Kernel Für unterstützte Plugins
siehe PLUGINS:1d/splinekernel

-l --mr-levels=3
Stufen mit mehreren Auflösungen Stufen mit mehreren Auflösungen

-d --divcurl=20
divcurl-Regularisierungsgewichtdivcurl-Regularisierungsgewicht

--divcurl-divider=4
divcurl-Gewichtsskalierung mit jedem neuen Passdivcurl-Gewichtsskalierung mit jedem
neuer Ausweis

-a --start-c-rate=32
Startkoeffizientenrate in Dornen, wird geteilt durch --c-rate-divider mit
jede Passstart-Koeffizientenrate in Spines wird durch --c-rate-divider . geteilt
mit jedem Pass

--c-Ratenteiler=4
Koeffizienter Ratenteiler für jeden Durchgangkoeffizienter Ratenteiler für jeden Durchgang

-w --imageweight=1
BildkostengewichtBildkostengewicht

Hilfe & Info
-V --verbose=Warnung
Ausführlichkeit der Ausgabe, Ausgabe von Nachrichten mit gegebenem Level und höheren Prioritäten.
Unterstützte Prioritäten beginnend auf der niedrigsten Ebene sind:
Info - Low-Level-Meldungen
Spur - Funktionsaufruf-Trace
scheitern ‐ Testfehler melden
Warnung - Warnungen
Fehler - Fehler melden
debuggen - Debug-Ausgabe
Nachricht - Normale Nachrichten
tödlich - Nur schwerwiegende Fehler melden

--Urheberrechte ©
Copyright-Informationen drucken

-h - Hilfe
diese Hilfe ausdrucken

-? --Verwendungszweck
eine kurze Hilfe ausdrucken

--Version
Versionsnummer drucken und beenden

In Bearbeitung
--threads=-1
Maximale Anzahl von Threads, die für die Verarbeitung verwendet werden sollen. Diese Anzahl sollte niedriger sein
oder gleich der Anzahl der logischen Prozessorkerne in der Maschine. (-1:
automatische Schätzung). Maximale Anzahl von Threads, die für die Verarbeitung verwendet werden sollen
Anzahl sollte kleiner oder gleich der Anzahl der logischen Prozessorkerne sein
Die Maschine. (-1: automatische Schätzung).

PLUGINS: 1d/Splinekernel

bSpline B-Spline-Kernel-Erstellung, unterstützte Parameter sind:

d = 3; Ganzzahl in [0, 5]
Spline-Grad.

omms OMoms-spline-Kernel-Erstellung, unterstützte Parameter sind:

d = 3; Ganzzahl in [3, 3]
Spline-Grad.

PLUGINS: Minimierer/Einzelkosten

gdas Steigungsabstieg mit automatischer Schrittweitenkorrektur., unterstützte Parameter sind:

ftolr = 0; verdoppeln in [0, inf)
Stoppen Sie, wenn die relative Änderung des Kriteriums darunter liegt.

Max-Schritt = 2; verdoppeln (0, inf)
Maximale absolute Schrittweite.

maxiter = 200; uint in [1, inf)
Abbruchkriterium: die maximale Anzahl von Iterationen.

min-Schritt = 0.1; verdoppeln (0, inf)
Minimale absolute Schrittweite.

xtola = 0.01; verdoppeln in [0, inf)
Stoppen Sie, wenn die Inf-Norm der auf x angewendeten Änderung unter diesem Wert liegt.

gdsq Gradientenabstieg mit quadratischer Schrittschätzung, unterstützte Parameter sind:

ftolr = 0; verdoppeln in [0, inf)
Stoppen Sie, wenn die relative Änderung des Kriteriums darunter liegt.

gtola = 0; verdoppeln in [0, inf)
Stoppen Sie, wenn die Inf-Norm des Gradienten unter diesem Wert liegt.

maxiter = 100; uint in [1, inf)
Abbruchkriterium: die maximale Anzahl von Iterationen.

Treppe = 2; verdoppeln (1, inf)
Fallback feste Schrittweitenskalierung.

Step = 0.1; verdoppeln (0, inf)
Anfangsschrittweite.

xtola = 0; verdoppeln in [0, inf)
Stoppen Sie, wenn die Inf-Norm von x-update unter diesem Wert liegt.

GSL Optimierer-Plugin basierend auf den Multimin-Optimierern der GNU Scientific Library
(GSL) https://www.gnu.org/software/gsl/, unterstützte Parameter sind:

eps = 0.01; verdoppeln (0, inf)
gradientenbasierte Optimierer: stoppen, wenn |grad| < eps, simplex: aufhören, wenn
Simplex-Größe < eps..

Prozess = 100; uint in [1, inf)
maximale Anzahl von Iterationen.

wählen = gd; diktieren
Spezifischer zu verwendender Optimierer. Unterstützte Werte sind:
bfgs ‐ Broyden-Fletcher-Goldfarb-Shann
bfgs2 ‐ Broyden-Fletcher-Goldfarb-Shann (effizienteste Version)
cg-fr - Flecher-Reeves konjugierter Gradientenalgorithmus
gd - Gradientenabstieg.
Simplex - Simplex-Algorithmus von Nelder und Mead
cg-pr ‐ Polak-Ribiere-konjugierter Gradientenalgorithmus

Step = 0.001; verdoppeln (0, inf)
anfängliche Schrittweite.

tol = 0.1; verdoppeln (0, inf)
einige Toleranzparameter.

nein Minimierungsalgorithmen unter Verwendung der NLOPT-Bibliothek, für eine Beschreibung der
Optimierer siehe 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', unterstützte Parameter sind:

ftola = 0; verdoppeln in [0, inf)
Abbruchkriterium: die absolute Änderung des Zielwertes liegt unter
dieser Wert.

ftolr = 0; verdoppeln in [0, inf)
Abbruchkriterium: Die relative Änderung des Zielwertes liegt unter
dieser Wert.

höher = inf; doppelt
Obere Grenze (gleich für alle Parameter).

lokale-opt = keine; diktieren
lokaler Minimierungsalgorithmus, der für die Haupt erforderlich sein kann
Minimierungsalgorithmus. Unterstützte Werte sind:
gn-orig-direkt-l ‐ Dividing Rectangles (ursprüngliche Implementierung,
lokal voreingenommen)
gn-direkt-l-noscal ‐ Teilende Rechtecke (unskaliert, lokal verzerrt)
gn-isres ‐ Verbesserte Strategie zur Entwicklung des stochastischen Rankings
ld-tnewton - Abgeschnittener Newton
gn-direkt-l-rand ‐ Dividing Rectangles (lokal verzerrt, randomisiert)
ln-newuoa ‐ Ableitungsfreie uneingeschränkte Optimierung durch Iterativ
Konstruierte quadratische Approximation
gn-direkt-l-rand-noscale ‐ Teilen von Rechtecken (unskaliert, lokal
voreingenommen, randomisiert)
gn-orig-direkt ‐ Dividing Rectangles (ursprüngliche Implementierung)
ld-tnewton-Voraussetzung - Vorkonditionierter verkürzter Newton
ld-tnewton-neustart ‐ Abgeschnittener Newton mit steilster Abfahrt, Neustart
gn-direkt ‐ Teilen von Rechtecken
ln-Heldermead - Nelder-Mead-Simplex-Algorithmus
ln-cobyla ‐ Eingeschränkte Optimierung DURCH lineare Approximation
gn-crs2-lm - Kontrollierte Zufallssuche mit lokaler Mutation
ld-var2 - Shifted Limited-Memory Variable-Metrik, Rang 2
ld-var1 - Shifted Limited-Memory Variable-Metrik, Rang 1
ld-mma ‐ Methode zum Bewegen von Asymptoten
ld-lbfgs-nocedal - Keiner
ld-lbfgs ‐ BFGS . mit geringem Speicher
gn-direkt-l - Teilen von Rechtecken (lokal voreingenommen)
keine ‐ keinen Algorithmus angeben
ln-bobyqa ‐ Derivate-freie Bound-Constrained-Optimierung
ln-sbplx ‐ Subplex-Variante von Nelder-Mead
ln-newuoa-gebunden ‐ Derivate-freie Bound-Constrained-Optimierung durch
Iterativ konstruierte quadratische Approximation
In-Praxis ‐ Gradientenfreie lokale Optimierung über die Hauptachse
Versandart
gn-direkt-noscal ‐ Teilen von Rechtecken (unskaliert)
ld-tnewton-precond-restart - Vorkonditionierter verkürzter Newton mit
steilster Abstieg Neustart

senken = -inf; doppelt
Untere Grenze (für alle Parameter gleich).

maxiter = 100; int in [1, inf)
Abbruchkriterium: die maximale Anzahl von Iterationen.

wählen = ld-lbfgs; diktieren
Hauptminimierungsalgorithmus. Unterstützte Werte sind:
gn-orig-direkt-l ‐ Dividing Rectangles (ursprüngliche Implementierung,
lokal voreingenommen)
g-mlsl-lds ‐ Multi-Level Single-Linkage (Low-Discrepancy-Sequenz,
erfordern lokale Gradienten-basierte Optimierung und Grenzen)
gn-direkt-l-noscal ‐ Teilende Rechtecke (unskaliert, lokal verzerrt)
gn-isres ‐ Verbesserte Strategie zur Entwicklung des stochastischen Rankings
ld-tnewton - Abgeschnittener Newton
gn-direkt-l-rand ‐ Dividing Rectangles (lokal verzerrt, randomisiert)
ln-newuoa ‐ Ableitungsfreie uneingeschränkte Optimierung durch Iterativ
Konstruierte quadratische Approximation
gn-direkt-l-rand-noscale ‐ Teilen von Rechtecken (unskaliert, lokal
voreingenommen, randomisiert)
gn-orig-direkt ‐ Dividing Rectangles (ursprüngliche Implementierung)
ld-tnewton-Voraussetzung - Vorkonditionierter verkürzter Newton
ld-tnewton-neustart ‐ Abgeschnittener Newton mit steilster Abfahrt, Neustart
gn-direkt ‐ Teilen von Rechtecken
Auglag-eq - Erweiterter Lagrange-Algorithmus mit Gleichheitsbeschränkungen
einzige
ln-Heldermead - Nelder-Mead-Simplex-Algorithmus
ln-cobyla ‐ Eingeschränkte Optimierung DURCH lineare Approximation
gn-crs2-lm - Kontrollierte Zufallssuche mit lokaler Mutation
ld-var2 - Shifted Limited-Memory Variable-Metrik, Rang 2
ld-var1 - Shifted Limited-Memory Variable-Metrik, Rang 1
ld-mma ‐ Methode zum Bewegen von Asymptoten
ld-lbfgs-nocedal - Keiner
g-mlsl - Multi-Level Single-Linkage (erfordert lokale Optimierung und
Grenzen)
ld-lbfgs ‐ BFGS . mit geringem Speicher
gn-direkt-l - Teilen von Rechtecken (lokal voreingenommen)
ln-bobyqa ‐ Derivate-freie Bound-Constrained-Optimierung
ln-sbplx ‐ Subplex-Variante von Nelder-Mead
ln-newuoa-gebunden ‐ Derivate-freie Bound-Constrained-Optimierung durch
Iterativ konstruierte quadratische Approximation
Auglag - Erweiterter Lagrange-Algorithmus
In-Praxis ‐ Gradientenfreie lokale Optimierung über die Hauptachse
Versandart
gn-direkt-noscal ‐ Teilen von Rechtecken (unskaliert)
ld-tnewton-precond-restart - Vorkonditionierter verkürzter Newton mit
steilster Abstieg Neustart
ld-slsqp - Sequentielles quadratisches Programmieren der kleinsten Quadrate

Step = 0; verdoppeln in [0, inf)
Anfangsschrittweite für Gradientenfreie Methoden.

halt = -inf; doppelt
Stoppkriterium: Funktionswert unterschreitet diesen Wert.

xtola = 0; verdoppeln in [0, inf)
Abbruchkriterium: die absolute Änderung aller x-Werte liegt darunter
Wert.

xtollr = 0; verdoppeln in [0, inf)
Abbruchkriterium: die relative Änderung aller x-Werte liegt darunter
Wert.

BEISPIEL

Registrieren Sie die durch Bilder imageXXXX.exr gegebene Perfusionsserie mithilfe von Pseudo Ground Truth
Einschätzung. Überspringen Sie zwei Bilder am Anfang und otherwiese verwenden die Standardparameter.
Speichern Sie die Ergebnisbilder in „regXXXX.exr“.

mia-2dgroundtruthreg -i imageXXXX.exr -o regXXXX.exr -k 2

AUTOR(n)

Gert Wollny

COPYRIGHT

Diese Software ist urheberrechtlich geschützt (c) 1999-2015 Leipzig, Deutschland und Madrid, Spanien. Es kommt
mit ABSOLUT KEINE GEWÄHRLEISTUNG und Sie dürfen es unter den Bedingungen der GNU . weitergeben
ALLGEMEINE ÖFFENTLICHE LIZENZ Version 3 (oder höher). Für weitere Informationen starten Sie das Programm mit dem
Option '--Urheberrecht'.

Verwenden Sie mia-2dgroundtruthreg online über die Dienste von onworks.net