mia-2dmyopgt-nonrigid - آنلاین در ابر

برنامه:

نام

mia-2dmyopgt-nonrigid - ثبت یک سری از تصاویر دو بعدی را اجرا کنید.

خلاصه

mia-2dmyopgt-غیر صلب -i -o [گزینه ها]

شرح

mia-2dmyopgt-غیر صلب این برنامه ثبت نام غیرخطی را بر اساس شبه اجرا می کند
Ground Thruth برای جبران حرکت مجموعه ای از تصاویر پرفیوژن میوکارد داده شده به صورت a
مجموعه داده‌ها همانطور که در چائو لی و یانگ سان، «ثبت غیر سفت و سخت میوکارد» توضیح داده شده است.
MRI پرفیوژن با استفاده از حقیقت شبه زمینی، در Proc. محاسبات تصویر پزشکی و کامپیوتر-
مداخله کمکی MICCAI 2009، 165-172، 2009. توجه داشته باشید که برای این حرکت غیرخطی
اصلاح یک مرحله ثبت خطی قبلی معمولاً مورد نیاز است.

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=reg
پایه نام فایل برای فایل های ثبت شده، نوع فایل تصویری مشابه است
در مجموعه داده های ورودی داده شده است

شبه زمین حقیقت برآورد کردن
-A --آلفا=1
وزن مجازات محله فضایی وزن جریمه محله فضایی

-B --بتا=1
زمان مجازات مشتق دوم وزن جریمه مشتق دوم زمانی
وزن

-R --rho-thresh=0.85
آستانه همبستگی برای تجزیه و تحلیل همسایگی آستانه همبستگی برای
آنالیز محله

-k --skip=0
از تصاویر در ابتدای مجموعه بگذرید، به عنوان مثال، به این دلیل که تصاویر دیگر هستند
روش‌ها از تصاویر در ابتدای مجموعه صرفنظر کنید، به عنوان مثال، زیرا آنها
از سایر روش ها هستند

ثبت
-O --optimizer=gsl:opt=gd,step=0.1
بهینه ساز برای حداقل کردن استفاده می شود
پلاگین های پشتیبانی شده PLUGINS:minimizer/singleccost را ببینید

-a --start-c-rate=32
نرخ ضریب شروع در خارها، تقسیم بر --c-rate-divider با
هر نرخ ضریب شروع عبور در خارها بر --c-rate-divider تقسیم می شود
با هر پاس

--c-rate-divider=4
تقسیم کننده نرخ ضریب برای هر پاس تقسیم کننده نرخ ضریب برای هر پاس

-d --start-divcurl=20
وزن divcurl را شروع کنید، با هر پاس شروع به --divcurl-divider تقسیم می شود
وزن divcurl، با هر پاس بر --divcurl-divider تقسیم می شود

--divcurl-divider=4
مقیاس بندی وزن divcurl با هر وزنه برداری جدید passdivcurl با هر یک
پاس جدید

-w --imageweight=1
وزن هزینه تصویر وزن هزینه

-l --mg-levels=3
سطوح چند رزولوشن سطوح چند تفکیک پذیر

-P --passes=4
گذرنامه های ثبت نام مجوزهای ثبت نام

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

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).

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 Pseudo Ground Truth، سری پرفیوژن ارائه شده در "segment.set" را ثبت کنید
برآورد کردن. از دو تصویر در ابتدا رد شوید و در غیر این صورت از پارامترهای پیش فرض استفاده کنید.
نتیجه را در "registered.set" ذخیره کنید.

mia-2dmyopgt-non-rigid -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-2dmyopgt-nonrigid به صورت آنلاین استفاده کنید