AnglaisFrançaisEspagnol

Exécutez les serveurs | Ubuntu > | Fedora > |


Icône de favori OnWorks

mia-2dmyoica-nonrigid2 - En ligne dans le Cloud

Exécutez mia-2dmyoica-nonrigid2 dans le fournisseur d'hébergement gratuit OnWorks sur Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS

Il s'agit de la commande mia-2dmyoica-nonrigid2 qui peut être exécutée dans le fournisseur d'hébergement gratuit OnWorks en utilisant l'un de nos multiples postes de travail en ligne gratuits tels que Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS

PROGRAMME:

PRÉNOM


mia-2dmyoica-nonrigid2 - Exécute un enregistrement d'une série d'images 2D.

SYNOPSIS


mia-2dmyoica-non rigide2 -i -o [choix]

DESCRIPTION


mia-2dmyoica-non rigide2 Ce programme exécute le recalage non rigide d'une image de perfusion
série. À chaque passage, une analyse ICA est d'abord exécutée pour estimer et éliminer le
mouvement et créer des images de référence avec des intensités similaires aux
image originale. Ensuite, l'enregistrement non rigide est exécuté en utilisant le coût "ssd + divcurl"
maquette. Le taux de C B-spline et le poids de coût divcurl sont modifiés à chaque passage en fonction
à des paramètres donnés. Au premier passage, une boîte englobante autour du myocarde VG peut être
extrait pour accélérer le calcul Remarque particulière à cette implémentation : l'enregistrement est
toujours partir des images originales pour éviter l'accumulation d'erreurs d'interpolation.

OPTIONS


Fichier-IO
-i --in-file=(entrée, requise); chaîne de caractères
jeu de données de perfusion d'entrée

-o --out-file=(sortie, requise); chaîne de caractères
ensemble de données de perfusion de sortie

-r --registered=reg
base de noms de fichiers pour les champs enregistrés

--save-cropped=
enregistrer l'ensemble recadré dans ce fichier

--save-fonctionnalité=
enregistrer les images des caractéristiques de segmentation et la matrice de mélange ICA initiale

ICA
-C --composants=0
Composantes ICA 0 = estimation automatique Composantes ICA 0 = automatique
estimation

--normaliser
ne pas normaliser les circuits intégrés

--no-meantrip
ne pas enlever la moyenne des courbes de mélange

-s --segscale=0
segmenter et mettre à l'échelle la zone de recadrage autour du segment LV (0=pas de segmentation) et
redimensionner la zone de recadrage autour du LV (0=pas de segmentation)

-k --skip = 0
sauter les images au début de la série par exemple parce qu'elles sont d'autres
les modalités ignorent les images au début de la série, par exemple parce qu'elles
sont d'autres modalités

-m --max-ica-iter=400
nombre maximum d'itérations dans ICAnombre maximum d'itérations dans ICA

-E --segmethod=caractéristiques
Méthode de segmentation
delta-pic ‐ différence des images d'amélioration de pic
Caractéristiques - des images de vedette
delta-fonctionnalité ‐ différence des images caractéristiques

Inscription
-O --optimizer=gsl:opt=gd,step=0.1
Optimiseur utilisé pour la minimisationOptimiseur utilisé pour la minimisation Pour
plugins pris en charge voir PLUGINS:minimizer/singlecost

-a --start-c-rate=32
taux de coefficient de démarrage dans les épines, est divisé par --c-rate-divider avec
chaque taux de coefficinet passstart dans les épines, est divisé par --c-rate-divider
à chaque passage

--c-rate-diviseur=4
diviseur de débit efficace pour chaque passe diviseur de débit efficace pour chaque passe

-d --start-divcurl=20
commencer le poids divcurl, est divisé par --divcurl-divider avec chaque passstart
poids divcurl, est divisé par --divcurl-divider à chaque passage

--divcurl-diviseur=4
mise à l'échelle du poids divcurl avec chaque nouvelle mise à l'échelle du poids passdivcurl avec chaque
nouveau passe

-w --imageweight=1
poids du coût de l'image poids du coût de l'image

-p --interpolateur=bspline:d=3
noyau d'interpolateur d'image noyau d'interpolateur d'image Pour les plugins pris en charge
voir PLUGINS:1d/splinekernel

-l --mg-niveaux=3
niveaux multi-résolutionniveaux multi-résolution

-P --passe=3
laissez-passer d'enregistrement laissez-passer d'enregistrement

Aide & Information
-V --verbose=avertissement
verbosité de la sortie, imprimer des messages de niveau donné et de priorités plus élevées.
Les priorités prises en charge à partir du niveau le plus bas sont :
info ‐ Messages de bas niveau
tracer ‐ Trace d'appel de fonction
échouer ‐ Signaler les échecs des tests
avertissement - Mises en garde
erreur - Signaler les erreurs
déboguer ‐ Sortie de débogage
message ‐ Messages normaux
fatal ‐ Ne signaler que les erreurs fatales

--droits d'auteur
imprimer les informations de copyright

-h --aide
imprimer cette aide

- ? --usage
imprimer une courte aide

--version
imprimer le numéro de version et quitter

Traitement & Expédition
--threads = -1
Nombre maximum de threads à utiliser pour le traitement, ce nombre doit être inférieur
ou égal au nombre de cœurs de processeur logique dans la machine. (-1:
estimation automatique).Nombre maximum de threads à utiliser pour le traitement,Ceci
doit être inférieur ou égal au nombre de cœurs de processeur logique dans
la machine. (-1 : estimation automatique).

PLUGINS : 1j/splinekernel


bspline Création du noyau B-spline, les paramètres pris en charge sont :

d = 3 ; entier dans [0, 5]
Degré de spline.

mamans Création du noyau OMoms-spline, les paramètres pris en charge sont :

d = 3 ; entier dans [3, 3]
Degré de spline.

PLUGINS : minimiseur/coût unique


gda Descente de gradient avec correction automatique de la taille du pas., les paramètres pris en charge sont :

ftolr = 0 ; double dans [0, inf)
Arrêtez si l'évolution relative du critère est en dessous.

max-pas = 2 ; doubler (0, inf)
Taille de pas absolue maximale.

maximum = 200 ; uint dans [1, inf)
Critère d'arrêt : le nombre maximum d'itérations.

min-pas = 0.1 ; doubler (0, inf)
Taille de pas absolue minimale.

xtola = 0.01 ; double dans [0, inf)
Arrêtez si la norme inf du changement appliqué à x est en dessous de cette valeur.

gdsq Descente de gradient avec estimation du pas quadratique, les paramètres pris en charge sont :

ftolr = 0 ; double dans [0, inf)
Arrêtez si l'évolution relative du critère est en dessous.

gtola = 0 ; double dans [0, inf)
Arrêtez si la norme inf du gradient est en dessous de cette valeur.

maximum = 100 ; uint dans [1, inf)
Critère d'arrêt : le nombre maximum d'itérations.

escaliers = 2 ; doubler (1, inf)
Mise à l'échelle de la taille de pas fixe de secours.

étape = 0.1 ; doubler (0, inf)
Taille du pas initial.

xtola = 0 ; double dans [0, inf)
Arrêtez-vous si la norme inf de x-update est inférieure à cette valeur.

gsl plugin d'optimisation basé sur les optimiseurs multimin de la bibliothèque scientifique GNU
(GSL) https://www.gnu.org/software/gsl/, les paramètres pris en charge sont :

eps = 0.01 ; doubler (0, inf)
optimiseurs basés sur le gradient : s'arrêter lorsque |grad| < eps, simplex : s'arrêter quand
taille simplex < eps..

iter = 100 ; uint dans [1, inf)
nombre maximal d'itérations.

opter = gd ; dict
Optimiseur spécifique à utiliser. Les valeurs prises en charge sont :
bfg ‐ Broyden-Fletcher-Goldfarb-Shann
bfgs2 ‐ Broyden-Fletcher-Goldfarb-Shann (version la plus efficace)
cg-fr ‐ Algorithme de gradient conjugué de Flecher-Reeves
gd - Descente graduelle.
simplex ‐ Algorithme simplex de Nelder et Mead
cg-pr ‐ Algorithme de gradient conjugué de Polak-Ribiere

étape = 0.001 ; doubler (0, inf)
taille de pas initiale.

tol = 0.1 ; doubler (0, inf)
certains paramètres de tolérance.

nlop Algorithmes de minimisation utilisant la bibliothèque NLOPT, pour une description des
optimiseurs s'il vous plaît voir 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', les paramètres pris en charge sont :

ftola = 0 ; double dans [0, inf)
Critère d'arrêt : la variation absolue de la valeur objectif est inférieure
cette valeur.

ftolr = 0 ; double dans [0, inf)
Critère d'arrêt : la variation relative de la valeur objectif est inférieure
cette valeur.

augmentation = inf ; double
Limite supérieure (égale pour tous les paramètres).

opt-local = aucun ; dict
algorithme de minimisation local qui peut être requis pour le principal
algorithme de minimisation. Les valeurs prises en charge sont :
gn-orig-direct-l ‐ Division de rectangles (implémentation originale,
biaisé localement)
gn-direct-l-noscal ‐ Rectangles divisants (non mis à l'échelle, biaisés localement)
gn-isres ‐ Amélioration de la stratégie d'évolution du classement stochastique
ld-tnewton ‐ Newton tronqué
gn-direct-l-rand ‐ Division de rectangles (localement biaisée, randomisée)
ln-newuoa ‐ Optimisation sans contrainte et sans dérivée par itération
Approximation quadratique construite
gn-direct-l-rand-noscale ‐ Rectangles divisants (non mis à l'échelle, localement
biaisé, randomisé)
gn-orig-direct ‐ Division de rectangles (implémentation originale)
ld-tnewton-precond ‐ Newton tronqué préconditionné
ld-tnewton-redémarrer ‐ Newton tronqué avec redémarrage en descente la plus raide
gn-direct ‐ Division de rectangles
In-neldermead ‐ Algorithme du simplexe de Nelder-Mead
ln-cobyla ‐ Optimisation Contrainte PAR Approximation Linéaire
gn-crs2-lm ‐ Recherche aléatoire contrôlée avec mutation locale
ld-var2 ‐ Métrique variable à mémoire limitée décalée, rang 2
ld-var1 ‐ Métrique variable à mémoire limitée décalée, rang 1
ld-mma ‐ Méthode de déplacement des asymptotes
ld-lbfgs-nocedal - Rien
ld-lbfgs ‐ BFGS à faible stockage
gn-direct-l ‐ Division de rectangles (localement biaisée)
aucun ‐ ne pas spécifier d'algorithme
ln-bobyqa ‐ Optimisation contrainte-limitée sans dérivée
ln-sbplx ‐ Variante Subplex de Nelder-Mead
ln-newuoa-lié ‐ Optimisation contrainte-limitée sans dérivée par
Approximation quadratique construite de manière itérative
en pratique ‐ Optimisation locale sans gradient via l'axe principal
Méthodologie
gn-direct-noscal ‐ Division de rectangles (sans échelle)
ld-tnewton-precond-restart ‐ Newton tronqué préconditionné avec
redémarrage de la descente la plus raide

baisser = -inf; double
Limite inférieure (égale pour tous les paramètres).

maximum = 100 ; int dans [1, inf)
Critère d'arrêt : le nombre maximum d'itérations.

opter = ld-lbfgs ; dict
algorithme de minimisation principal. Les valeurs prises en charge sont :
gn-orig-direct-l ‐ Division de rectangles (implémentation originale,
biaisé localement)
g-mlsl-lds ‐ Liaison unique à plusieurs niveaux (séquence à faible écart,
nécessitent une optimisation et des limites basées sur le gradient local)
gn-direct-l-noscal ‐ Rectangles divisants (non mis à l'échelle, biaisés localement)
gn-isres ‐ Amélioration de la stratégie d'évolution du classement stochastique
ld-tnewton ‐ Newton tronqué
gn-direct-l-rand ‐ Division de rectangles (localement biaisée, randomisée)
ln-newuoa ‐ Optimisation sans contrainte et sans dérivée par itération
Approximation quadratique construite
gn-direct-l-rand-noscale ‐ Rectangles divisants (non mis à l'échelle, localement
biaisé, randomisé)
gn-orig-direct ‐ Division de rectangles (implémentation originale)
ld-tnewton-precond ‐ Newton tronqué préconditionné
ld-tnewton-redémarrer ‐ Newton tronqué avec redémarrage en descente la plus raide
gn-direct ‐ Division de rectangles
auglag-eq ‐ Algorithme lagrangien augmenté avec contraintes d'égalité
uniquement.
In-neldermead ‐ Algorithme du simplexe de Nelder-Mead
ln-cobyla ‐ Optimisation Contrainte PAR Approximation Linéaire
gn-crs2-lm ‐ Recherche aléatoire contrôlée avec mutation locale
ld-var2 ‐ Métrique variable à mémoire limitée décalée, rang 2
ld-var1 ‐ Métrique variable à mémoire limitée décalée, rang 1
ld-mma ‐ Méthode de déplacement des asymptotes
ld-lbfgs-nocedal - Rien
g-mlsl ‐ Multi-Level Single-Linkage (nécessite une optimisation locale et
bornes)
ld-lbfgs ‐ BFGS à faible stockage
gn-direct-l ‐ Division de rectangles (localement biaisée)
ln-bobyqa ‐ Optimisation contrainte-limitée sans dérivée
ln-sbplx ‐ Variante Subplex de Nelder-Mead
ln-newuoa-lié ‐ Optimisation contrainte-limitée sans dérivée par
Approximation quadratique construite de manière itérative
auglag ‐ Algorithme lagrangien augmenté
en pratique ‐ Optimisation locale sans gradient via l'axe principal
Méthodologie
gn-direct-noscal ‐ Division de rectangles (sans échelle)
ld-tnewton-precond-restart ‐ Newton tronqué préconditionné avec
redémarrage de la descente la plus raide
ld-slsqp ‐ Programmation séquentielle des moindres carrés quadratique

étape = 0 ; double dans [0, inf)
Taille du pas initial pour les méthodes sans gradient.

Arrêtez = -inf; double
Critère d'arrêt : la valeur de la fonction est inférieure à cette valeur.

xtola = 0 ; double dans [0, inf)
Critère d'arrêt : le changement absolu de toutes les valeurs x est inférieur à ce
valeur.

xtolr = 0 ; double dans [0, inf)
Critère d'arrêt : le changement relatif de toutes les valeurs x est inférieur à ce
valeur.

EXEMPLE


Enregistrez la série de perfusion donnée dans 'segment.set' en utilisant l'estimation ICA automatique.
Sautez deux images au début et sinon utilisez les paramètres par défaut. Stocker le
résultat dans 'registered.set'.

mia-2dmyoica-nonrigid2 -i segment.set -o registration.set -k 2

Auteurs)


Gert Wollny

DROIT D'AUTEUR


Ce logiciel est protégé par copyright (c) 1999‐2015 Leipzig, Allemagne et Madrid, Espagne. Ça arrive
avec ABSOLUMENT AUCUNE GARANTIE et vous pouvez le redistribuer selon les termes du GNU
LICENCE PUBLIQUE GENERALE Version 3 (ou ultérieure). Pour plus d'informations, exécutez le programme avec le
l'option '--copyright'.

Utilisez mia-2dmyoica-nonrigid2 en ligne en utilisant les services onworks.net


Ad


Ad