मिया-2dmyopgt-nonrigid - क्लाउड में ऑनलाइन

कार्यक्रम:

नाम

mia-2dmyopgt-nonrigid - 2D छवियों की एक श्रृंखला का पंजीकरण चलाएँ।

SYNOPSIS

मिया-2dmyopgt-नॉनरिजिड -i -o [विकल्प]

वर्णन

मिया-2dmyopgt-नॉनरिजिड यह प्रोग्राम स्यूडो पर आधारित गैर-रेखीय पंजीकरण लागू करता है
मायोकार्डियल परफ्यूजन छवियों की श्रृंखला के गति मुआवजे के लिए ग्राउंड थ्रूथ एक के रूप में दिया गया है
चाओ ली और यिंग सन में वर्णित डेटा सेट, 'मायोकार्डियल का नॉनरिजिड पंजीकरण
छद्म जमीनी सच्चाई का उपयोग करते हुए छिड़काव एमआरआई', प्रोक में। मेडिकल इमेज कंप्यूटिंग और कंप्यूटर-
सहायक हस्तक्षेप MICCAI 2009, 165-172, 2009। ध्यान दें कि इस अरेखीय गति के लिए
पूर्ववर्ती रैखिक पंजीकरण चरण में सुधार के लिए आमतौर पर आवश्यकता होती है।

विकल्प

फ़ाइल-आईओ
-i --in-file=(इनपुट, आवश्यक); डोरी
इनपुट छिड़काव डेटा सेट

-ओ --आउट-फाइल = (आउटपुट, आवश्यक); डोरी
आउटपुट छिड़काव डेटा सेट

-आर--पंजीकृत=reg
पंजीकृत फ़ाइलों के लिए फ़ाइल नाम आधार, छवि फ़ाइल प्रकार समान है
इनपुट डेटा सेट में दिया गया है

उपनाम जमीन सत्य अनुमान
-ए --अल्फ़ा=1
विशेष पड़ोस दंड भार, विशेष पड़ोस दंड भार

-बी --बीटा=1
अस्थायी दूसरा व्युत्पन्न जुर्माना भार अस्थायी दूसरा व्युत्पन्न जुर्माना
भार

-आर--आरहो-थ्रेस=0.85
पड़ोस विश्लेषण के लिए सहसंबंध सीमा
पड़ोस विश्लेषण

-के --स्किप = 0
श्रृंखला की शुरुआत में छवियों को छोड़ें, उदाहरण के लिए क्योंकि वे अन्य की हैं
तौर-तरीके श्रृंखला की शुरुआत में छवियों को छोड़ें उदाहरण के लिए क्योंकि वे
अन्य तौर-तरीके हैं

पंजीकरण
-ओ --ऑप्टिमाइज़र = जीएसएल: ऑप्ट = जीडी, चरण = 0.1
न्यूनीकरण के लिए प्रयुक्त ऑप्टिमाइज़र न्यूनीकरण के लिए प्रयुक्त ऑप्टिमाइज़र के लिए
समर्थित प्लगइन्स देखें PLUGINS:minimizer/singlecost

-ए-स्टार्ट-सी-रेट=32
रीढ़ में प्रारंभ गुणांक दर, --सी-दर-विभाजक द्वारा विभाजित हो जाती है
स्पाइन में प्रत्येक पासस्टार्ट गुणांक दर, --सी-रेट-डिवाइडर द्वारा विभाजित हो जाती है
हर पास के साथ

--सी-दर-विभाजक=4
प्रत्येक पास के लिए गुणांक दर विभक्त प्रत्येक पास के लिए गुणांक दर विभक्त

-डी --स्टार्ट-divcurl=20
स्टार्ट डिवकर्ल वेट, प्रत्येक पासस्टार्ट के साथ --डिवकरल-डिवाइडर द्वारा विभाजित हो जाता है
divcurl वजन, प्रत्येक पास के साथ --divcurl-डिवाइडर द्वारा विभाजित हो जाता है

--divcurl-विभाजक = 4
प्रत्येक नए passdivcurl के साथ वजन स्केलिंग प्रत्येक के साथ divcurl वजन स्केलिंग
नया पास

-w --इमेजवेट=1
छवि लागत भारछवि लागत भार

-एल--मिलीग्राम-स्तर=3
बहु-रिज़ॉल्यूशन स्तरबहु-रिज़ॉल्यूशन स्तर

-पी --पास=4
पंजीकरण पास पंजीकरण पास

मदद & जानकारी
-V --verbose=चेतावनी
आउटपुट की वर्बोसिटी, दिए गए स्तर के प्रिंट संदेश और उच्च प्राथमिकताएं।
निम्नतम स्तर से शुरू होने वाली समर्थित प्राथमिकताएं हैं:
पता ‐निम्न स्तर के संदेश
निशान फंक्शन कॉल ट्रेस
असफल परीक्षण विफलताओं की रिपोर्ट करें
चेतावनी चेतावनी
त्रुटि रिपोर्ट त्रुटियाँ
डिबग डीबग आउटपुट
message ‐ सामान्य संदेश
घातक केवल घातक त्रुटियों की रिपोर्ट करें

--कॉपीराइट
कॉपीराइट जानकारी प्रिंट करें

-एच --सहायता
इस सहायता को प्रिंट करें

-? --उपयोग
एक छोटी सहायता प्रिंट करें

--संस्करण
संस्करण संख्या प्रिंट करें और बाहर निकलें

प्रसंस्करण
--धागे=-1
प्रसंस्करण के लिए उपयोग किए जाने वाले थ्रेड्स की अधिकतम संख्या, यह संख्या कम होनी चाहिए
या मशीन में तार्किक प्रोसेसर कोर की संख्या के बराबर। (-1:
स्वचालित अनुमान)। प्रसंस्करण के लिए उपयोग किए जाने वाले धागे की अधिकतम संख्या, यह
संख्या तार्किक प्रोसेसर कोर की संख्या के बराबर या कम होनी चाहिए
मशीन। (-1: स्वचालित अनुमान)।

प्लगइन्स: न्यूनतम/एकल लागत

गदास स्वचालित चरण आकार सुधार के साथ ढाल वंश। समर्थित पैरामीटर हैं:

ftolr = 0; डबल इन [0, inf)
रुकें यदि मानदंड का सापेक्ष परिवर्तन नीचे है..

मैक्स-स्टेप = 2; डबल इन (0, inf)
अधिकतम पूर्ण चरण आकार।

मैक्सीटर = 200; [1, inf) में यूंट
रोक मानदंड: पुनरावृत्तियों की अधिकतम संख्या।

मिन-स्टेप = 0.1; डबल इन (0, inf)
न्यूनतम पूर्ण चरण आकार।

एक्सटोला = 0.01; डबल इन [0, inf)
रुकें यदि x पर लागू परिवर्तन का inf-मानदंड इस मान से कम है।

जीडीएसक्यू द्विघात चरण अनुमान के साथ ढाल वंश, समर्थित पैरामीटर हैं:

ftolr = 0; डबल इन [0, inf)
रुकें यदि मानदंड का सापेक्ष परिवर्तन नीचे है..

गोटोला = 0; डबल इन [0, inf)
बंद करो अगर ग्रेडिएंट का inf-मानदंड इस मान से नीचे है ..

मैक्सीटर = 100; [1, inf) में यूंट
रोक मानदंड: पुनरावृत्तियों की अधिकतम संख्या।

स्केल = 2; डबल इन (1, inf)
फ़ॉलबैक निश्चित चरण आकार स्केलिंग।

कदम = 0.1; डबल इन (0, inf)
प्रारंभिक चरण का आकार।

एक्सटोला = 0; डबल इन [0, inf)
रुकें यदि x-अपडेट का इनफ-मानदंड इस मान से कम है।

GSL GNU साइंटिफिक लाइब्रेरी के मल्टीमिन ऑप्टिमाइज़र पर आधारित ऑप्टिमाइज़र प्लगइन
(जीएसएल) https://www.gnu.org/software/gsl/, समर्थित पैरामीटर हैं:

ईपीएस = 0.01; डबल इन (0, inf)
ग्रेडिएंट आधारित अनुकूलक: रुकें जब |ग्रेड| <ईपीएस, सिम्प्लेक्स: रुकें जब
सिम्प्लेक्स आकार <ईपीएस ..

प्रक्रिया = 100; [1, inf) में यूंट
पुनरावृत्तियों की अधिकतम संख्या।

चुनना = जीडी; ताना
उपयोग किए जाने वाले विशिष्ट अनुकूलक.. समर्थित मान हैं:
बीएफजीएस ब्रायडेन-फ्लेचर-गोल्डफार्ब-शैन
बीएफजीएस2 ब्रोयडेन-फ्लेचर-गोल्डफार्ब-शैन (सबसे कुशल संस्करण)
सीजी-एफआर फ्लेचर-रीव्स कंजुगेट ग्रेडिएंट एल्गोरिथम
gd - ढतला हुआ वंश।
सिंप्लेक्स नेल्डर और मीड का सिंप्लेक्स एल्गोरिथम
सीजी-पीआर पोलक-रिबियर संयुग्म ढाल एल्गोरिथम

कदम = 0.001; डबल इन (0, inf)
प्रारंभिक चरण आकार।

सहने = 0.1; डबल इन (0, inf)
कुछ सहिष्णुता पैरामीटर।

nlopt NLOPT लाइब्रेरी का उपयोग करते हुए मिनिमाइज़र एल्गोरिदम, के विवरण के लिए
अनुकूलक कृपया देखें 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', समर्थित पैरामीटर हैं:

फुटोला = 0; डबल इन [0, inf)
स्टॉपिंग मानदंड: उद्देश्य मूल्य का पूर्ण परिवर्तन नीचे है
यह मान।

ftolr = 0; डबल इन [0, inf)
स्टॉपिंग मानदंड: उद्देश्य मूल्य का सापेक्ष परिवर्तन नीचे है
यह मान।

उच्चतर = इंफ; दोहरा
उच्च सीमा (सभी मापदंडों के लिए समान)।

स्थानीय विकल्प = कोई नहीं; ताना
स्थानीय न्यूनीकरण एल्गोरिथ्म जो मुख्य के लिए आवश्यक हो सकता है
न्यूनीकरण एल्गोरिथम.. समर्थित मान हैं:
GN-मूल-प्रत्यक्ष-l आयतों को विभाजित करना (मूल कार्यान्वयन,
स्थानीय रूप से पक्षपाती)
जीएन-डायरेक्ट-एल-नोस्कल आयतों को विभाजित करना (अनस्केल्ड, स्थानीय रूप से पक्षपाती)
जीएन-इस्रेस बेहतर स्टोकेस्टिक रैंकिंग विकास रणनीति
एलडी-टन्यूटन काटे गए न्यूटन
जीएन-डायरेक्ट-एल-रैंड विभाजित आयतें (स्थानीय रूप से पक्षपाती, यादृच्छिक)
ln-newuoa Iteratively द्वारा व्युत्पन्न मुक्त अप्रतिबंधित अनुकूलन
निर्मित द्विघात सन्निकटन
जीएन-डायरेक्ट-एल-रैंड-नोस्केल ‐ आयतों को विभाजित करना (अनस्केल्ड, स्थानीय रूप से)
पक्षपाती, यादृच्छिक)
जीएन-मूल-प्रत्यक्ष आयतों को विभाजित करना (मूल कार्यान्वयन)
एलडी-टीन्यूटन-प्रीकॉन्ड पूर्व शर्त काटे गए न्यूटन
एलडी-टन्यूटन-पुनरारंभ सबसे तेज उतरते हुए पुन: प्रारंभ के साथ काटे गए न्यूटन
जीएन-डायरेक्ट आयतों को विभाजित करना
एलएन-नेल्डरमीड नेल्डर-मीड सिम्प्लेक्स एल्गोरिथम
एलएन-कोबिला रैखिक सन्निकटन द्वारा विवश अनुकूलन
जीएन-सीआरएस2-एलएम ‐ स्थानीय उत्परिवर्तन के साथ नियंत्रित यादृच्छिक खोज
एलडी-var2 शिफ्टेड लिमिटेड-मेमोरी वेरिएबल-मीट्रिक, रैंक 2
एलडी-var1 शिफ्टेड लिमिटेड-मेमोरी वेरिएबल-मीट्रिक, रैंक 1
एलडी-एमएमए स्पर्शोन्मुख को स्थानांतरित करने की विधि
एलडी-एलबीएफजीएस-नोसेडल - कोई नहीं
एलडी-एलबीएफजीएस ‐ लो-स्टोरेज BFGS
जीएन-डायरेक्ट-एल विभाजित आयतें (स्थानीय रूप से पक्षपाती)
कोई नहीं एल्गोरिथम निर्दिष्ट न करें
ln-bobyqa व्युत्पन्न मुक्त बाध्य-विवश अनुकूलन
एलएन-एसबीपीएलएक्स नेल्डर-मीड का सबप्लेक्स संस्करण
ln-newuoa-बाध्य द्वारा व्युत्पन्न मुक्त बाध्य-विवश अनुकूलन
पुनरावृत्त रूप से निर्मित द्विघात सन्निकटन
एलएन-प्रैक्सिस प्रधानाचार्य-अक्ष के माध्यम से ढाल मुक्त स्थानीय अनुकूलन
विधि
जीएन-डायरेक्ट-नोस्कल विभाजित आयतें (बिना मापी)
एलडी-न्यूटन-पूर्व-पुनरारंभ करें पूर्व शर्त के साथ काटे गए न्यूटन
सबसे तेज-अवरोही पुनरारंभ

कम = -इन्फ; दोहरा
निचली सीमा (सभी मापदंडों के लिए समान)।

मैक्सीटर = 100; int [1, inf) में
रोक मानदंड: पुनरावृत्तियों की अधिकतम संख्या।

चुनना = एलडी-एलबीएफजीएस; ताना
मुख्य न्यूनीकरण एल्गोरिथ्म। समर्थित मान हैं:
GN-मूल-प्रत्यक्ष-l आयतों को विभाजित करना (मूल कार्यान्वयन,
स्थानीय रूप से पक्षपाती)
जी-एमएलएसएल-एलडीएस ‐ मल्टी-लेवल सिंगल-लिंकेज (निम्न-विसंगति-अनुक्रम,
स्थानीय ढाल आधारित अनुकूलन और सीमा की आवश्यकता है)
जीएन-डायरेक्ट-एल-नोस्कल आयतों को विभाजित करना (अनस्केल्ड, स्थानीय रूप से पक्षपाती)
जीएन-इस्रेस बेहतर स्टोकेस्टिक रैंकिंग विकास रणनीति
एलडी-टन्यूटन काटे गए न्यूटन
जीएन-डायरेक्ट-एल-रैंड विभाजित आयतें (स्थानीय रूप से पक्षपाती, यादृच्छिक)
ln-newuoa Iteratively द्वारा व्युत्पन्न मुक्त अप्रतिबंधित अनुकूलन
निर्मित द्विघात सन्निकटन
जीएन-डायरेक्ट-एल-रैंड-नोस्केल ‐ आयतों को विभाजित करना (अनस्केल्ड, स्थानीय रूप से)
पक्षपाती, यादृच्छिक)
जीएन-मूल-प्रत्यक्ष आयतों को विभाजित करना (मूल कार्यान्वयन)
एलडी-टीन्यूटन-प्रीकॉन्ड पूर्व शर्त काटे गए न्यूटन
एलडी-टन्यूटन-पुनरारंभ सबसे तेज उतरते हुए पुन: प्रारंभ के साथ काटे गए न्यूटन
जीएन-डायरेक्ट आयतों को विभाजित करना
ऑग्लैग-ईक्यू ऑगमेंटेड लैग्रैन्जियन एल्गोरिथम समानता बाधाओं के साथ
केवल
एलएन-नेल्डरमीड नेल्डर-मीड सिम्प्लेक्स एल्गोरिथम
एलएन-कोबिला रैखिक सन्निकटन द्वारा विवश अनुकूलन
जीएन-सीआरएस2-एलएम ‐ स्थानीय उत्परिवर्तन के साथ नियंत्रित यादृच्छिक खोज
एलडी-var2 शिफ्टेड लिमिटेड-मेमोरी वेरिएबल-मीट्रिक, रैंक 2
एलडी-var1 शिफ्टेड लिमिटेड-मेमोरी वेरिएबल-मीट्रिक, रैंक 1
एलडी-एमएमए स्पर्शोन्मुख को स्थानांतरित करने की विधि
एलडी-एलबीएफजीएस-नोसेडल - कोई नहीं
जी-एमएलएसएल ‐ मल्टी-लेवल सिंगल-लिंकेज (स्थानीय अनुकूलन की आवश्यकता है और
सीमा)
एलडी-एलबीएफजीएस ‐ लो-स्टोरेज BFGS
जीएन-डायरेक्ट-एल विभाजित आयतें (स्थानीय रूप से पक्षपाती)
ln-bobyqa व्युत्पन्न मुक्त बाध्य-विवश अनुकूलन
एलएन-एसबीपीएलएक्स नेल्डर-मीड का सबप्लेक्स संस्करण
ln-newuoa-बाध्य द्वारा व्युत्पन्न मुक्त बाध्य-विवश अनुकूलन
पुनरावृत्त रूप से निर्मित द्विघात सन्निकटन
ऑग्लैग ऑगमेंटेड लैग्रैन्जियन एल्गोरिथम
एलएन-प्रैक्सिस प्रधानाचार्य-अक्ष के माध्यम से ढाल मुक्त स्थानीय अनुकूलन
विधि
जीएन-डायरेक्ट-नोस्कल विभाजित आयतें (बिना मापी)
एलडी-न्यूटन-पूर्व-पुनरारंभ करें पूर्व शर्त के साथ काटे गए न्यूटन
सबसे तेज-अवरोही पुनरारंभ
एलडी-एसएलएसक्यूपी अनुक्रमिक कम से कम वर्ग द्विघात प्रोग्रामिंग

कदम = 0; डबल इन [0, inf)
ढाल मुक्त विधियों के लिए प्रारंभिक चरण आकार।

रुकें = -इन्फ; दोहरा
स्टॉपिंग मानदंड: फ़ंक्शन मान इस मान से नीचे आता है।

एक्सटोला = 0; डबल इन [0, inf)
स्टॉपिंग मानदंड: सभी x-मानों का पूर्ण परिवर्तन इसके नीचे है
मूल्य.

xtolr = 0; डबल इन [0, inf)
स्टॉपिंग मानदंड: सभी x-मानों का सापेक्ष परिवर्तन इस से नीचे है
मूल्य.

उदाहरण

स्यूडो ग्राउंड ट्रुथ का उपयोग करके 'सेगमेंट.सेट' में दी गई परफ्यूजन श्रृंखला को पंजीकृत करें
अनुमान। शुरुआत में दो छवियों को छोड़ें और अन्यथा डिफ़ॉल्ट पैरामीटर का उपयोग करें।
परिणाम को 'registered.set' में संग्रहित करें।

मिया-2डीएमओपीजीटी-नॉनरिजिड -आई सेगमेंट.सेट -ओ रजिस्टर्ड.सेट -के 2

लेखक

गर्ट वोल्नी

कॉपीराइट

यह सॉफ़्टवेयर कॉपीराइट (सी) 1999-2015 लीपज़िग, जर्मनी और मैड्रिड, स्पेन है। वह आता है
पूरी तरह से बिना किसी वारंटी के और आप इसे जीएनयू की शर्तों के तहत पुनर्वितरित कर सकते हैं
सामान्य सार्वजनिक लाइसेंस संस्करण 3 (या बाद में)। अधिक जानकारी के लिए प्रोग्राम चलाएँ
विकल्प '--कॉपीराइट'।

onworks.net सेवाओं का उपयोग करके mia-2dmyopgt-nonrigid का ऑनलाइन उपयोग करें