این دستور mia-2dmyomilles است که می تواند در ارائه دهنده هاست رایگان OnWorks با استفاده از یکی از چندین ایستگاه کاری آنلاین رایگان ما مانند Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا شود.
برنامه:
نام
mia-2dmyomilles - ثبت یک سری از تصاویر دو بعدی را اجرا کنید.
خلاصه
mia-2dmyomilles -i -o [گزینه ها]
شرح
mia-2dmyomilles این برنامه برای اجرای یک نسخه اصلاح شده از ICA استفاده می شود
رویکرد ثبت شرح داده شده در میلز و همکاران. «اصلاح حرکت کاملاً خودکار در
توالی تصویر MR پرفیوژن میوکارد اول پاس، Trans. پزشکی تصویربرداری.، 27(11)
1611-1621، 2008. تغییرات شامل استخراج جنبش شبه تناوبی در آزاد
مجموعههای دادهای بهدستآمده تنفسی و گزینهای برای اجرای ثبت نام آفلاین یا سفت و سخت
فقط بهینه سازی ترجمه ها
OPTIONS
فایل-IO
-i --in-file=(ورودی، مورد نیاز); رشته
مجموعه داده های پرفیوژن ورودی
-o --out-file=(خروجی، مورد نیاز); رشته
مجموعه داده های پرفیوژن خروجی
-r --registered=
پایه نام فایل برای فایل های ثبت شده
--save-references=
تصاویر مرجع مصنوعی را در این پایه فایل ذخیره کنید
--save-cropped=
مجموعه تصویر برش خورده را در این فایل ذخیره کنید
--save-feature=
تصاویر ویژگی های حاصل از ICA و برخی از تصاویر میانی را ذخیره کنید
برای تقسیم بندی RV-LV با نام فایل داده شده به فایل های PNG استفاده می شود.
همچنین ضرایب بهترین اولیه و اختلاط آی سی نهایی را ذخیره کنید
ماتریس
کمک & اطلاعات
-V --verbose=اخطار
پرحرفی خروجی، چاپ پیام های سطح معین و اولویت های بالاتر.
اولویت های پشتیبانی شده که از پایین ترین سطح شروع می شوند عبارتند از:
اطلاعات - پیام های سطح پایین
رد - ردیابی فراخوانی تابع
شکست خوردن - گزارش شکست تست
هشدار - هشدارها
خطا - گزارش خطاها
اشکال زدایی کردن - خروجی اشکال زدایی
پیام - پیام های عادی
کشنده - فقط خطاهای مرگبار را گزارش دهید
--کپی رایت
چاپ اطلاعات حق چاپ
-h -- کمک
چاپ این راهنما
-؟ --استفاده
یک راهنما کوتاه چاپ کنید
- نسخه
شماره نسخه را چاپ کنید و خارج شوید
ICA
-C --components=0
اجزای ICA 0 = برآورد خودکار اجزای ICA 0 = خودکار
برآورد کردن
-- عادی کردن
آی سی های نرمال شده
--بدون معنی
میانگین را از منحنی های اختلاط حذف نکنید
-g -- حدس بزنید
از حدس اولیه برای پرفیوژن میوکارد استفاده کنید
-s --segscale=1.4
بخش بندی کنید و جعبه برش را در اطراف بخش LV (0=بدون تقسیم بندی) مقیاس کنید و
جعبه برش را در اطراف LV مقیاس کنید (0 = بدون تقسیم بندی)
-k --skip=0
از تصاویر ابتدای سری مانند تصاویر دیگر صرف نظر کنید
روشها از تصاویر ابتدای مجموعه مانند سایر تصاویر، صرفنظر کنید
روشها
-m --max-ica-iter=400
حداکثر تعداد تکرار در ICA حداکثر تعداد تکرار در ICA
-E --segmethod=ویژگی ها
روش تقسیم بندی
قله دلتا - تفاوت تصاویر افزایش اوج
امکانات - دارای تصاویر
ویژگی دلتا - تفاوت تصاویر ویژگی
پردازش
--threads=-1
حداکثر تعداد نخ هایی که برای پردازش استفاده می شود، این تعداد باید کمتر باشد
یا برابر با تعداد هسته های پردازشگر منطقی در دستگاه است. (-1:
تخمین خودکار).حداکثر تعداد رشته ها برای استفاده برای پردازش،این
تعداد باید کمتر یا برابر با تعداد هسته های پردازشگر منطقی موجود باشد
ماشین. (-1: برآورد خودکار).
ثبت
-c --cost=ssd
معیار ثبت نام
-O --optimizer=gsl:opt=simplex,step=1.0
بهینه ساز برای حداقل کردن استفاده می شود
پلاگین های پشتیبانی شده PLUGINS:minimizer/singleccost را ببینید
-f --transForm=rigid
نوع تبدیل نوع تبدیل برای افزونه های پشتیبانی شده را ببینید
پلاگین ها:2dimage/transform
-l --mg-levels=3
سطوح چند رزولوشن سطوح چند تفکیک پذیر
-R --reference=-1
مرجع جهانی همه تصویر باید با آن تراز شود. اگر روی غیر منفی تنظیم شود
مقدار، تصاویر با این مراجع تراز می شوند و خروجی برش داده می شود
تاریخ تصویر به تصاویر اصلی تزریق خواهد شد. اگر شما را در -1 بگذارید
اهمیت نده در این حالت تمام تصاویر با موقعیت متوسط ثبت می شوند
مرجع جنبش جهانی همه تصویر باید با آن تراز شود. اگر روی a تنظیم شود
مقدار غیر منفی، تصاویر با این مراجع تراز خواهند شد و
تاریخ تصویر خروجی برش خورده به تصاویر اصلی تزریق خواهد شد. ترک کردن
در -1 اگر برایتان مهم نیست. در این صورت تمام تصاویر با یک ثبت می شوند
موقعیت متوسط حرکت
-P --passes=2
گذرنامه های ثبت نام مجوزهای ثبت نام
پلاگین ها: 1d/splinebc
آینه شرایط مرزی درون یابی Spline که روی مرز منعکس می شود
(بدون پارامتر)
تکرار شرایط مرزی درون یابی Spline که مقدار را در مرز تکرار می کند
(بدون پارامتر)
صفر شرایط مرزی درون یابی Spline که صفر را برای مقادیر خارج فرض می کند
(بدون پارامتر)
پلاگین ها: 1d/splinekernel
bspline ایجاد هسته B-spline، پارامترهای پشتیبانی شده عبارتند از:
d = 3; int در [0، 5]
درجه اسپلاین.
اوموم ایجاد هسته OMoms-spline، پارامترهای پشتیبانی شده عبارتند از:
d = 3; int در [3، 3]
درجه اسپلاین.
پلاگین ها: 2Dimage/Transform
اشتیاق تبدیل Affine (شش درجه آزادی)، پارامترهای پشتیبانی شده عبارتند از:
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
سفت و محکم تبدیلات صلب (یعنی چرخش و ترجمه، سه درجه از
آزادی).، پارامترهای پشتیبانی شده عبارتند از:
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
مرکز پوسیدگی = [[0,0،2،XNUMX]]; XNUMXdfvector
مرکز چرخش نسبی، یعنی <0.5,0.5،XNUMX> مربوط به مرکز است
پشتیبانی از مستطیل
چرخش تبدیلات چرخشی (یعنی چرخش حول یک مرکز معین، یک درجه از
آزادی).، پارامترهای پشتیبانی شده عبارتند از:
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
مرکز پوسیدگی = [[0,0،2،XNUMX]]; XNUMXdfvector
مرکز چرخش نسبی، یعنی <0.5,0.5،XNUMX> مربوط به مرکز است
پشتیبانی از مستطیل
نوار باریک تبدیل فرم آزاد که با مجموعه ای از ضرایب B-spline قابل توصیف است
و یک هسته B-spline زیرین، پارامترهای پشتیبانی شده عبارتند از:
محو کردن = [[0,0،2،XNUMX]]; XNUMXdfvector
نرخ ضریب ناهمسانگرد در پیکسل، مقادیر غیر مثبت خواهد بود
بازنویسی شده توسط مقدار 'نرخ'..
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
هسته = [bspline:d=3]; کارخانه
هسته spline transformation.. برای افزونه های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
مجازات = کارخانه
مدت مجازات تحول. برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 2dtransform/splinepenalty
نرخ = 10; شناور در [1، inf)
نرخ ضریب همسانگرد بر حسب پیکسل
ترجمه کردن فقط ترجمه (دو درجه آزادی)، پارامترهای پشتیبانی شده عبارتند از:
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
vf این افزونه تبدیلی را پیاده سازی می کند که برای هر کدام یک ترجمه تعریف می کند
نقطه شبکه تعریف کننده دامنه تبدیل.، پشتیبانی می شود
پارامترها عبارتند از:
بی مرزی = آینه؛ کارخانه
شرایط مرزی درونیابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinebc
imgkernel = [bspline:d=3]; کارخانه
هسته درون یابی تصویر برای پلاگین های پشتیبانی شده را ببینید
پلاگین ها: 1d/splinekernel
پلاگین ها: 2dtransform/splinepenalty
divcurl جریمه divcurl در تبدیل، پارامترهای پشتیبانی شده عبارتند از:
حلقه = 1; شناور در [0، inf)
وزن پنالتی روی حلقه
DIV = 1; شناور در [0، inf)
وزن جریمه در واگرایی
هنجار = 0; بوول
اگر پنالتی باید با توجه به تصویر عادی شود، روی 1 تنظیم کنید
اندازه.
وزن = 1; شناور در (0، inf)
وزن انرژی پنالتی
پلاگین ها: حداقل/تک هزینه
gdas نزول گرادیان با تصحیح خودکار اندازه گام، پارامترهای پشتیبانی شده عبارتند از:
ftolr = 0; دو برابر در [0، inf)
اگر تغییر نسبی معیار در زیر است متوقف شود..
حداکثر مرحله = 2; دوبرابر (0، inf)
حداکثر اندازه گام مطلق.
ماکسیتر = 200; واحد در [1، inf)
معیار توقف: حداکثر تعداد تکرار.
دقیقه گام = 0.1; دوبرابر (0، inf)
حداقل اندازه گام مطلق
xtola = 0.01; دو برابر در [0، inf)
اگر هنجار inf تغییر اعمال شده روی x کمتر از این مقدار باشد، توقف کنید.
gdsq نزول گرادیان با تخمین گام درجه دوم، پارامترهای پشتیبانی شده عبارتند از:
ftolr = 0; دو برابر در [0، inf)
اگر تغییر نسبی معیار در زیر است متوقف شود..
gtola = 0; دو برابر در [0، inf)
اگر inf-norm گرادیان زیر این مقدار باشد، توقف کنید.
ماکسیتر = 100; واحد در [1، inf)
معیار توقف: حداکثر تعداد تکرار.
مقیاس = 2; دوبرابر (1، inf)
مقیاس بندی اندازه گام ثابت برگشتی.
گام = 0.1; دوبرابر (0، inf)
اندازه مرحله اولیه
xtola = 0; دو برابر در [0، inf)
اگر inf-norm x-update کمتر از این مقدار باشد، متوقف شود.
gsl پلاگین بهینه ساز مبتنی بر بهینه سازهای چندمین کتابخانه علمی گنو
(GSL) https://www.gnu.org/software/gsl/، پارامترهای پشتیبانی شده عبارتند از:
اپس = 0.01; دوبرابر (0، inf)
بهینه سازهای مبتنی بر گرادیان: هنگامی که |grad| متوقف می شود < eps, simplex: توقف وقتی
سایز ساده < eps..
تکرار = 100; واحد در [1، inf)
حداکثر تعداد تکرار
انتخاب کردن = gd; دیکته
بهینه ساز خاصی که باید استفاده شود.. مقادیر پشتیبانی شده عبارتند از:
bfgs - برودن-فلچر-گلدفارب-شان
bfgs2 - Broyden-Fletcher-Goldfarb-Shann (کارآمدترین نسخه)
cg-fr - الگوریتم گرادیان مزدوج فلچر-ریوز
gd - نزول گرادیان.
ساده - الگوریتم ساده نلدر و مید
cg-pr - الگوریتم گرادیان مزدوج Polak-Ribiere
گام = 0.001; دوبرابر (0، inf)
اندازه مرحله اولیه
به من = 0.1; دوبرابر (0، inf)
برخی از پارامترهای تحمل
nlopt الگوریتم های کوچک کننده با استفاده از کتابخانه NLOPT، برای توضیح
بهینه ساز لطفا ببینیدhttp://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms'، پارامترهای پشتیبانی شده عبارتند از:
فتولا = 0; دو برابر در [0، inf)
معیار توقف: تغییر مطلق مقدار هدف در زیر است
این مقدار
ftolr = 0; دو برابر در [0، inf)
معیار توقف: تغییر نسبی مقدار هدف در زیر است
این مقدار
بالاتر = inf; دو برابر
مرز بالاتر (برابر همه پارامترها برابر است).
انتخاب محلی = هیچکدام دیکته
الگوریتم کمینه سازی محلی که ممکن است برای اصلی مورد نیاز باشد
الگوریتم کمینه سازی.. مقادیر پشتیبانی شده عبارتند از:
gn-orig-direct-l - تقسیم مستطیل ها (اجرای اصلی،
مغرضانه محلی)
gn-direct-l-noscal - مستطیل های تقسیم شده (بدون مقیاس، به صورت محلی بایاس)
gn-isres - استراتژی تکامل رتبهبندی تصادفی بهبود یافته
ld-tnewton - نیوتن کوتاه شده
gn-direct-l-rand - تقسیم مستطیل ها (به صورت محلی، تصادفی)
ln-newuoa - بهینه سازی بدون محدودیت بدون مشتق توسط Iteratively
تقریب درجه دوم ساخته شده
gn-direct-l-rand-noscale - تقسیم مستطیل ها (بدون مقیاس، به صورت محلی
مغرضانه، تصادفی)
gn-orig-direct - تقسیم مستطیل ها (اجرای اصلی)
ld-tnewton-precond - نیوتن کوتاه شده از پیش شرطی شده
ld-tnewton-ریستارت - نیوتن کوتاه با راه اندازی مجدد با شیب تند
gn-direct - تقسیم مستطیل ها
ln-neldermead - الگوریتم نلدر مید سیمپلکس
ln-cobyla - بهینه سازی محدود با تقریب خطی
gn-crs2-lm - جستجوی تصادفی کنترل شده با جهش محلی
ld-var2 - متغیر حافظه محدود Shifted-Metric، رتبه 2
ld-var1 - متغیر حافظه محدود Shifted-Metric، رتبه 1
ld-mma - روش جابجایی مجانب
ld-lbfgs-nocedal - هیچ یک
ld-lbfgs - BFGS کم ذخیره سازی
gn-direct-l - مستطیلهای تقسیمکننده (محیطگرا)
هیچ - الگوریتم را مشخص نکنید
ln-bobyqa - بهینه سازی محدود محدود بدون مشتق
ln-sbplx - نوع سابپلکس نلدر مید
ln-newuoa-bound - بهینه سازی محدود محدود بدون مشتق توسط
تقریب درجه دوم به صورت تکراری ساخته شده است
ln-praxis - بهینه سازی محلی بدون گرادیان از طریق محور اصلی
روش
gn-direct-noscal - تقسیم مستطیل ها (بدون مقیاس)
ld-tnewton-precond-restart - نیوتن کوتاه شده از پیش شرطی شده با
راه اندازی مجدد با شیب تند
کاهش = -inf; دو برابر
مرز پایین تر (برابر همه پارامترها برابر است).
ماکسیتر = 100; int در [1، inf)
معیار توقف: حداکثر تعداد تکرار.
انتخاب کردن = ld-lbfgs; دیکته
الگوریتم کمینه سازی اصلی مقادیر پشتیبانی شده عبارتند از:
gn-orig-direct-l - تقسیم مستطیل ها (اجرای اصلی،
مغرضانه محلی)
g-mlsl-lds - چند سطحی تک پیوندی (توالی با اختلاف کم،
نیاز به بهینه سازی و مرزهای مبتنی بر گرادیان محلی)
gn-direct-l-noscal - مستطیل های تقسیم شده (بدون مقیاس، به صورت محلی بایاس)
gn-isres - استراتژی تکامل رتبهبندی تصادفی بهبود یافته
ld-tnewton - نیوتن کوتاه شده
gn-direct-l-rand - تقسیم مستطیل ها (به صورت محلی، تصادفی)
ln-newuoa - بهینه سازی بدون محدودیت بدون مشتق توسط Iteratively
تقریب درجه دوم ساخته شده
gn-direct-l-rand-noscale - تقسیم مستطیل ها (بدون مقیاس، به صورت محلی
مغرضانه، تصادفی)
gn-orig-direct - تقسیم مستطیل ها (اجرای اصلی)
ld-tnewton-precond - نیوتن کوتاه شده از پیش شرطی شده
ld-tnewton-ریستارت - نیوتن کوتاه با راه اندازی مجدد با شیب تند
gn-direct - تقسیم مستطیل ها
auglag-eq - الگوریتم لاگرانژی تقویت شده با محدودیت های برابری
فقط
ln-neldermead - الگوریتم نلدر مید سیمپلکس
ln-cobyla - بهینه سازی محدود با تقریب خطی
gn-crs2-lm - جستجوی تصادفی کنترل شده با جهش محلی
ld-var2 - متغیر حافظه محدود Shifted-Metric، رتبه 2
ld-var1 - متغیر حافظه محدود Shifted-Metric، رتبه 1
ld-mma - روش جابجایی مجانب
ld-lbfgs-nocedal - هیچ یک
g-mlsl - چند سطحی Single-Linkage (نیاز به بهینه سازی محلی و
محدوده)
ld-lbfgs - BFGS کم ذخیره سازی
gn-direct-l - مستطیلهای تقسیمکننده (محیطگرا)
ln-bobyqa - بهینه سازی محدود محدود بدون مشتق
ln-sbplx - نوع سابپلکس نلدر مید
ln-newuoa-bound - بهینه سازی محدود محدود بدون مشتق توسط
تقریب درجه دوم به صورت تکراری ساخته شده است
اوگلگ - الگوریتم لاگرانژی تقویت شده
ln-praxis - بهینه سازی محلی بدون گرادیان از طریق محور اصلی
روش
gn-direct-noscal - تقسیم مستطیل ها (بدون مقیاس)
ld-tnewton-precond-restart - نیوتن کوتاه شده از پیش شرطی شده با
راه اندازی مجدد با شیب تند
ld-slsqp - برنامه نویسی درجه دوم حداقل مربعات متوالی
گام = 0; دو برابر در [0، inf)
اندازه گام اولیه برای روش های بدون گرادیان.
متوقف کردن = -inf; دو برابر
معیار توقف: مقدار تابع کمتر از این مقدار است.
xtola = 0; دو برابر در [0، inf)
معیار توقف: تغییر مطلق تمام مقادیر x زیر این است
ارزش.
xtolr = 0; دو برابر در [0، inf)
معیار توقف: تغییر نسبی تمام مقادیر x زیر این است
ارزش.
مثال
با استفاده از تخمین خودکار ICA، سری پرفیوژن ارائه شده در "segment.set" را ثبت کنید.
از دو تصویر در ابتدا رد شوید و در غیر این صورت از پارامترهای پیش فرض استفاده کنید. ذخیره کنید
منجر به "registered.set" می شود.
mia-2dmyomilles -i segment.set -o registered.set -k 2
نویسنده(های)
گرت وولنی
کپی رایت
این نرم افزار دارای حق چاپ (c) 1999-2015 لایپزیگ، آلمان و مادرید، اسپانیا است. می آید
بدون ضمانت مطلق و شما می توانید آن را تحت شرایط گنو توزیع کنید
GENERAL PUBLIC LICENSE نسخه 3 (یا جدیدتر). برای اطلاعات بیشتر برنامه را با
گزینه "--کپی رایت".
با استفاده از خدمات onworks.net از mia-2dmyomilles به صورت آنلاین استفاده کنید