mia-2dgroundtruthreg: en línea en la nube

PROGRAMA:

NOMBRE

mia-2dgroundtruthreg - Registro de una serie de imágenes 2D

SINOPSIS

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

DESCRIPCIÓN

mia-2dgroundtruthreg Este programa implementa el registro no lineal basado en Pseudo
Ground Thruth para compensación de movimiento de series de imágenes de perfusión miocárdica como se describe
en Chao Li y Ying Sun, 'Registro no rígido de IRM de perfusión miocárdica utilizando pseudo
Ground Truth ', en proceso. Computación de imágenes médicas e intervención asistida por computadora MICCAI
2009, 165-172, 2009. Tenga en cuenta que para esta corrección de movimiento no lineal un lineal precedente
Por lo general, se requiere un paso de registro.

CAMPUS

Archivo-IO
-i --in-file = (entrada, obligatorio); cuerda
conjunto de datos de perfusión de entrada

-o --out-file = (salida, obligatorio); cuerda
conjunto de datos de perfusión de salida

-r --registered = reg
base de nombre de archivo para archivos registrados

Condiciones previas
-s --skip = 2
omitir imágenes al comienzo de la serie omitir imágenes al comienzo de la serie

-P - pasa = 4
número de pases de registro número de pases de registro

Pseudo-Tierra-Verdad
-A --alpha = (obligatorio); doble
peso de penalización de vecindario espacial peso de penalización de vecindario espacial

-B --beta = (obligatorio); doble
penalización temporal de la segunda derivada ponderación temporal de la penalización de la segunda derivada
peso

-R --rho_thresh = (obligatorio); doble
umbral de correlación para análisis de vecindad umbral de correlación para
análisis de vecindario

Registro
-O --optimizer = gsl: opt = gd, step = 0.1
Optimizador utilizado para la minimización Optimizador utilizado para la minimización Para
complementos compatibles ver PLUGINS: minimizer / singlecost

-p --interpolador = bspline: d = 3
kernel interpolador de imágenes kernel interpolador de imágenes Para complementos compatibles
ver PLUGINS: 1d / splinekernel

-l --mr-niveles = 3
niveles de resolución múltiple niveles de resolución múltiple

-d --divcurl = 20
peso de regularización divcurl peso de regularización divcurl

--divcurl-divider = 4
escalado de peso divcurl con cada nueva escala de peso divcurl con cada
nuevo pase

-a --start-c-rate = 32
la tasa de coeficiente de inicio en las espinas, se divide por --c-rate-divider con
cada tasa de coeficiente de arranque en espinas, se divide por --c-rate-divider
con cada pase

--c-rate-divider = 4
divisor de tasa deficiente para cada pasada divisor de tasa deficiente para cada pasada

-w --imageweight = 1
peso del costo de la imagen peso del costo de la imagen

Ayuda & Info
-V --verbose = advertencia
verbosidad de la salida, imprimir mensajes de nivel dado y prioridades más altas.
Las prioridades admitidas que comienzan en el nivel más bajo son:
info - Mensajes de bajo nivel
rastrear - Seguimiento de llamadas a funciones
fallar - Informar fallas en las pruebas
advertencia - Advertencias
error - Informar errores
depurar - Salida de depuración
mensaje - Mensajes normales
fatal - Informar solo errores fatales

--derechos de autor
imprimir información de derechos de autor

-h --ayuda
imprime esta ayuda

-? --uso
imprimir una breve ayuda

--versión
imprima el número de versión y salga

Procesamiento
--threads = -1
Número máximo de subprocesos a utilizar para el procesamiento, este número debe ser menor
o igual al número de núcleos de procesador lógico en la máquina. (-1:
estimación automática) .Número máximo de subprocesos a utilizar para el procesamiento, esto
El número debe ser menor o igual al número de núcleos de procesador lógico en
la máquina. (-1: estimación automática).

COMPLEMENTOS: 1d / splinekernel

bspline Creación de kernel B-spline, los parámetros admitidos son:

d = 3; int en [0, 5]
Grado de spline.

mamás Creación de kernel OMoms-spline, los parámetros admitidos son:

d = 3; int en [3, 3]
Grado de spline.

COMPLEMENTOS: minimizador / coste único

gdas Descenso de gradiente con corrección automática del tamaño del paso. Los parámetros admitidos son:

ftolr = 0; duplicar en [0, inf)
Deténgase si el cambio relativo del criterio está por debajo.

paso máximo = 2; doble en (0, inf)
Tamaño de paso absoluto máximo.

maxiter = 200; uint en [1, inf)
Criterio de parada: el número máximo de iteraciones.

min-paso = 0.1; doble en (0, inf)
Tamaño mínimo de paso absoluto.

xtolá = 0.01; duplicar en [0, inf)
Deténgase si la inf-norma del cambio aplicado ax está por debajo de este valor.

gdsq Descenso de gradiente con estimación de pasos cuadráticos, los parámetros admitidos son:

ftolr = 0; duplicar en [0, inf)
Deténgase si el cambio relativo del criterio está por debajo.

gtola = 0; duplicar en [0, inf)
Deténgase si la inf-norma del gradiente está por debajo de este valor.

maxiter = 100; uint en [1, inf)
Criterio de parada: el número máximo de iteraciones.

escala = 2; doble en (1, inf)
Escala de tamaño de paso fijo de respaldo.

paso = 0.1; doble en (0, inf)
Tamaño de paso inicial.

xtolá = 0; duplicar en [0, inf)
Deténgase si la norma inf de x-update está por debajo de este valor.

GSL complemento optimizador basado en los optimizadores multimin de la biblioteca científica GNU
(GSL) https://www.gnu.org/software/gsl/, los parámetros admitidos son:

eps = 0.01; doble en (0, inf)
optimizadores basados ​​en gradientes: deténgase cuando | grad | <eps, simplex: detener cuando
tamaño simplex <eps ..

proceso = 100; uint en [1, inf)
número máximo de iteraciones.

optar = gd; dictar
Optimizador específico que se utilizará. Los valores admitidos son:
bfgs - Broyden-Fletcher-Goldfarb-Shann
bfgs2 - Broyden-Fletcher-Goldfarb-Shann (versión más eficiente)
cg-fr - Algoritmo de gradiente conjugado de Flecher-Reeves
gd - Descenso de gradiente.
simplex - Algoritmo simplex de Nelder y Mead
cg-pr - Algoritmo de gradiente conjugado Polak-Ribiere

paso = 0.001; doble en (0, inf)
tamaño de paso inicial.

tol = 0.1; doble en (0, inf)
algún parámetro de tolerancia.

nlopt Los algoritmos minimizadores que utilizan la biblioteca NLOPT, para una descripción de la
optimizadores, consulte 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms ', los parámetros admitidos son:

ftola = 0; duplicar en [0, inf)
Criterio de parada: el cambio absoluto del valor objetivo está por debajo
este valor.

ftolr = 0; duplicar en [0, inf)
Criterio de parada: el cambio relativo del valor objetivo está por debajo
este valor.

más alto = inf; doble
Límite superior (igual para todos los parámetros).

opción local = ninguno; dictar
algoritmo de minimización local que puede ser necesario para las principales
algoritmo de minimización. Los valores admitidos son:
gn-orig-directo-l - Dividir rectángulos (implementación original,
localmente sesgado)
gn-directo-l-noscal - Rectángulos de división (sin escala, sesgados localmente)
gn-isres - Estrategia de evolución de clasificación estocástica mejorada
ld-tnewton - Newton truncado
gn-directo-l-rand - Rectángulos de división (localmente sesgados, aleatorios)
ln-newuoa - Optimización sin restricciones sin derivadas de forma iterativa
Aproximación cuadrática construida
gn-direct-l-rand-noscale - Rectángulos de división (sin escala, localmente
sesgado, aleatorizado)
gn-orig-directo - Dividir rectángulos (implementación original)
ld-tnewton-precond - Newton truncado preacondicionado
reinicio de ld-tnewton - Newton truncado con reinicio de descenso más empinado
gn-directo - Dividir rectángulos
en-neldermead - Algoritmo simplex de Nelder-Mead
ln-cobyla - Optimización restringida por aproximación lineal
gn-crs2-lm - Búsqueda aleatoria controlada con mutación local
ld-var2 - Métrica variable de memoria limitada desplazada, rango 2
ld-var1 - Métrica variable de memoria limitada desplazada, rango 1
ld-mma - Método de movimiento de asíntotas
ld-lbfgs-nocedal - Ninguno
ld-lbfgs - BFGS de bajo almacenamiento
gn-directo-l - Rectángulos de división (sesgados localmente)
ninguna - no especifique algoritmo
In-bobyqa - Optimización restringida por límite libre de derivados
ln-sbplx - Variante subplex de Nelder-Mead
ln-newuoa-con destino - Optimización restringida por límite libre de derivadas por
Aproximación cuadrática construida iterativamente
en-praxis - Optimización local sin gradientes a través del eje principal
Método
gn-directo-noscal - Rectángulos de división (sin escala)
ld-tnewton-precond-reinicio - Newton truncado preacondicionado con
reinicio del descenso más empinado

inferior = -inf; doble
Límite inferior (igual para todos los parámetros).

maxiter = 100; int en [1, inf)
Criterio de parada: el número máximo de iteraciones.

optar = ld-lbfgs; dictar
algoritmo principal de minimización. Los valores admitidos son:
gn-orig-directo-l - Dividir rectángulos (implementación original,
localmente sesgado)
g-mlsl-lds - Enlace único multinivel (secuencia de baja discrepancia,
requieren optimización y límites locales basados ​​en gradientes)
gn-directo-l-noscal - Rectángulos de división (sin escala, sesgados localmente)
gn-isres - Estrategia de evolución de clasificación estocástica mejorada
ld-tnewton - Newton truncado
gn-directo-l-rand - Rectángulos de división (localmente sesgados, aleatorios)
ln-newuoa - Optimización sin restricciones sin derivadas de forma iterativa
Aproximación cuadrática construida
gn-direct-l-rand-noscale - Rectángulos de división (sin escala, localmente
sesgado, aleatorizado)
gn-orig-directo - Dividir rectángulos (implementación original)
ld-tnewton-precond - Newton truncado preacondicionado
reinicio de ld-tnewton - Newton truncado con reinicio de descenso más empinado
gn-directo - Dividir rectángulos
auglag-eq - Algoritmo lagrangiano aumentado con restricciones de igualdad
, solamente
en-neldermead - Algoritmo simplex de Nelder-Mead
ln-cobyla - Optimización restringida por aproximación lineal
gn-crs2-lm - Búsqueda aleatoria controlada con mutación local
ld-var2 - Métrica variable de memoria limitada desplazada, rango 2
ld-var1 - Métrica variable de memoria limitada desplazada, rango 1
ld-mma - Método de movimiento de asíntotas
ld-lbfgs-nocedal - Ninguno
g-mlsl - Enlace único multinivel (requiere optimización local y
límites)
ld-lbfgs - BFGS de bajo almacenamiento
gn-directo-l - Rectángulos de división (sesgados localmente)
In-bobyqa - Optimización restringida por límite libre de derivados
ln-sbplx - Variante subplex de Nelder-Mead
ln-newuoa-con destino - Optimización restringida por límite libre de derivadas por
Aproximación cuadrática construida iterativamente
augulag - Algoritmo lagrangiano aumentado
en-praxis - Optimización local sin gradientes a través del eje principal
Método
gn-directo-noscal - Rectángulos de división (sin escala)
ld-tnewton-precond-reinicio - Newton truncado preacondicionado con
reinicio del descenso más empinado
ld-slsqp - Programación cuadrática secuencial de mínimos cuadrados

paso = 0; duplicar en [0, inf)
Tamaño de paso inicial para métodos sin gradiente.

detener = -inf; doble
Criterio de parada: el valor de la función cae por debajo de este valor.

xtolá = 0; duplicar en [0, inf)
Criterio de parada: el cambio absoluto de todos los valores de x está por debajo de este
.

xtolr = 0; duplicar en [0, inf)
Criterio de parada: el cambio relativo de todos los valores de x está por debajo de este
.

EJEMPLO

Registre la serie de perfusión proporcionada por las imágenes imageXXXX.exr utilizando Pseudo Ground Truth
Estimacion. Omita dos imágenes al principio y, de lo contrario, utilice los parámetros predeterminados.
Almacene las imágenes de resultados en 'regXXXX.exr'.

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

AUTOR (es)

Gert Wollny

DERECHOS DE AUTOR

Este software tiene Copyright (c) 1999-2015 Leipzig, Alemania y Madrid, España. Viene
con ABSOLUTAMENTE NINGUNA GARANTÍA y puede redistribuirlo bajo los términos de GNU
LICENCIA PÚBLICA GENERAL Versión 3 (o posterior). Para obtener más información, ejecute el programa con el
opción '--copyright'.

Utilice mia-2dgroundtruthreg en línea utilizando los servicios de onworks.net