mia-2dmyoica-nonrigid-parallel - Online in the Cloud

PROGRAM:

NUME

mia-2dmyoica-nonrigid-parallel - Rulați o înregistrare a unei serii de imagini 2D.

REZUMAT

mia-2dmyoica-nerigid-paralel -i -o [Opțiuni]

DESCRIERE

mia-2dmyoica-nerigid-paralel Acest program implementează versiunea 2D a mișcării
algoritm de compensare descris în Wollny G, Kellman P, Santos A, Ledesma-Carbayo MJ,
„Compensarea automată a mișcării a datelor de perfuzie miocardică dobândite prin respirație liberă de
folosind Independent Component Analysis”, Medical Image Analysis, 2012,
DOI:10.1016/j.media.2012.02.004. Această versiune a programului poate rula toate înregistrările în
paralel.

OPŢIUNI

Fișier-IO
-i --in-file=(intrare, obligatorie); şir
set de date de perfuzie de intrare

-o --out-file=(ieșire, obligatorie); şir
set de date de perfuzie de ieșire

-r --registered=reg
Baza numelui fișierului pentru imaginile înregistrate. Tipul imaginii și schema de numerotare
sunt preluate din imaginile de intrare, așa cum sunt date în setul de date de intrare.

--save-cropped=(ieșire); şir
salvați setul decupat în acest fișier, fișierele imagine vor folosi tulpina numelui
ca bază de nume de fișier

--save-feature=(ieșire); şir
salvați imaginile caracteristice de segmentare și matricea de amestecare ICA inițială

--save-refs=(ieșire); şir
pentru fiecare trecere de înregistrare salvați imaginile de referință în fișiere cu date
baza de nume

--save-regs=(ieșire); şir
pentru fiecare permis de înregistrare salvați imaginile înregistrate intermediare

Ajutor & Informație
-V --verbose=avertisment
verbozitatea rezultatelor, mesaje tipărite de nivel dat și priorități mai mari.
Prioritățile acceptate începând de la cel mai de jos nivel sunt:
info ‐ Mesaje de nivel scăzut
urmări ‐ Urmărirea apelului de funcție
eşua ‐ Raportați eșecurile testelor
de avertizare - Avertizări
eroare - Raportează erori
depana - Ieșire de depanare
mesaj ‐ Mesaje normale
fatal ‐ Raportați numai erori fatale

--drepturi de autor
tipăriți informații despre drepturile de autor

-h --ajutor
imprimați acest ajutor

-? --utilizare
imprimați un scurt ajutor

--versiune
tipăriți numărul versiunii și ieșiți

ICA
-C --componente=0
Componente ICA 0 = estimare automată Componente ICA 0 = automată
evaluare

--normaliza
CI normalizate

--no-fără-mecanism
nu îndepărtați media din curbele de amestecare

-s --segscale=0
segmentați și scalați caseta de decupare în jurul segmentului LV (0=fără segmentare) și
scalați caseta de decupare în jurul LV (0=fără segmentare)

-k --skip=0
săriți peste imaginile de la începutul seriei, de exemplu, pentru că așa cum sunt ele din altele
modalități săriți imaginile de la începutul seriei, de exemplu, pentru că pe măsură ce acestea
sunt de alte modalitati

-m --max-ica-iter=400
numărul maxim de iterații în ICAnumărul maxim de iterații în ICA

-E --segmethod=caracteristici
Metoda de segmentare
delta-vârf ‐ diferența imaginilor de îmbunătățire a vârfului
caracteristici ‐ imagini caracteristice
caracteristică delta ‐ diferența dintre imaginile caracteristice

-b --min-frecvența-respirației=-1
frecvența medie minimă de la care poate fi considerată o curbă de amestecare
înfrământare. O rată de respirație sănătoasă este de 12 pe minut. O valoare negativă
dezactivează testul.frecvența medie minimă poate trebui să fie o curbă de amestecare
considerată ca provine din înfrânare. O rată de respirație de odihnă sănătoasă este de 12 per
minut. O valoare negativă dezactivează testul.

Prelucrare
--fire=-1
Numărul maxim de fire de execuție de utilizat pentru procesare, acest număr ar trebui să fie mai mic
sau egal cu numărul de nuclee de procesor logic din mașină. (-1:
estimare automată). Numărul maxim de fire de execuție de utilizat pentru procesare, Aceasta
numărul trebuie să fie mai mic sau egal cu numărul de nuclee de procesor logic în
Mașina. (-1: estimare automată).

Înscriere
-O --optimizer=gsl:opt=gd,step=0.1
Optimizator folosit pentru minimizare. Valoarea șirului va fi folosită pentru a construi
un plug-in. Pentru pluginurile acceptate, consultați PLUGINS:minimizer/singlecost

-a --start-c-rate=16
start coefcinet rate în spini, devine împărțit la --c-rate-divider cu
fiecare trecere. Rata coeficientului de pornire în coloane, este împărțită la
--c-rate-divider cu fiecare trecere.

--c-rate-divider=2
Divizor coeficient pentru fiecare trecere.

-d --start-divcurl=10000
Începeți greutatea divcurl, se împarte la --divcurl-divider cu fiecare
pass.Start divcurl weight, este împărțit la --divcurl-divider cu fiecare
trece.

--divcurl-divider=2
Divcurl greutate scalare cu fiecare trecere nouă. Divcurl greutate scalare cu fiecare
noua trecere.

-w --imagecost=image:greutate=1,cost=ssd
costul imaginii, nu specificați parametrii src și ref, aceștia vor fi setați de
programul. Valoarea șirului va fi folosită pentru a construi un plug-in. Pentru
pluginurile acceptate vezi PLUGINS:2dimage/fullcost

-l --mg-levels=3
niveluri cu mai multe rezoluțiiniveluri cu mai multe rezoluții

-P --pase=3
permise de înregistrare permise de înregistrare

PLUG-URI: 1d/splinekernel

bspline Crearea nucleului B-spline, parametrii acceptați sunt:

d = 3; int în [0, 5]
Gradul spline.

omoms Crearea nucleului OMoms-spline, parametrii acceptați sunt:

d = 3; int în [3, 3]
Gradul spline.

PLUG-URI: imagine 2d/cost

lncc corelație încrucișată normalizată locală cu suport de mascare., parametrii acceptați
sunt:

w = 5; uint în [1, 256]
jumătate de lățime a ferestrei utilizată pentru evaluarea crucii localizate
corelație.

lsd Măsurarea distanței pe cele mai mici pătrate

(fara parametri)

mi Informații reciproce bazate pe parzen spline., parametrii acceptați sunt:

tăiat = 0; plutește în [0, 40]
Procentul de pixeli de tăiat la intensități mari și scăzute de eliminat
valori aberante.

mbins = 64; uint în [1, 256]
Numărul de casete de histograme utilizate pentru imaginea în mișcare.

mkernel = [bspline:d=3]; fabrică
Nucleu spline pentru imaginea în mișcare parzen hinstogram. Pentru plug-in-uri acceptate
vezi PLUGINS:1d/splinekernel

rbins = 64; uint în [1, 256]
Numărul de casete de histograme utilizate pentru imaginea de referință.

rkernel = [bspline:d=0]; fabrică
Nucleu spline pentru imaginea de referință parzen hinstogram. Pentru conectorul acceptat-
ins vezi PLUGINS:1d/splinekernel

CCN corelație încrucișată normalizată.

(fara parametri)

ngf Această funcție evaluează asemănarea imaginii pe baza gradientului normalizat
câmpuri. Sunt disponibile diverse nuclee de evaluare, parametrii acceptați sunt:

eval = ds; dict
subtipul pluginului. Valorile acceptate sunt:
sq ‐ pătratul diferenței
ds ‐ pătratul diferenței de scară
punct ‐ nucleul de produs scalar
trece ‐ nucleu de produs încrucișat

SSD Costul imaginii 2D: suma diferențelor pătrate, parametrii acceptați sunt:

autothresh = 0; plutește în [0, 1000]
Utilizați mascarea automată a imaginii în mișcare luând doar valori de intensitate
în considerare care sunt mai mari decât pragul dat.

normă = 0; bool
Setați dacă valoarea ar trebui să fie normalizată în funcție de numărul de pixeli ai imaginii.

ssd-automask
Costul imaginii 2D: suma diferențelor pătrate, cu automascare bazată pe date
pragurile, parametrii acceptați sunt:

rthresh = 0; dubla
Valoarea intensității pragului pentru imaginea de referință.

sthresh = 0; dubla
Valoarea intensității pragului pentru imaginea sursă.

PLUG-URI: Imagine 2d/cost complet

imagine Funcția generalizată a costului de similitudine a imaginii care gestionează și rezoluția multiplă
prelucrare. Măsura reală a asemănării este dat un parametru suplimentar.,
parametrii acceptați sunt:

costa = ssd; fabrică
Nucleul funcției de cost. Pentru pluginuri acceptate, consultați PLUGINS:2dimage/cost

depana = 0; bool
Salvați rezultatele intermediare pentru depanare.

ref =(intrare, șir)
Imagine de referință.

src =(intrare, șir)
Imagine de studiu.

greutate = 1; pluti
ponderea funcției de cost.

labelimage
Funcția de cost de similaritate care mapează etichetele a două imagini și gestionează etichetele-
păstrând procesarea multi-rezoluție., parametrii acceptați sunt:

depana = 0; int în [0, 1]
scrieți distanța care se transformă într-o imagine 3D.

maxlabel = 256; int în [2, 32000]
numărul maxim de etichete de luat în considerare.

ref =(intrare, șir)
Imagine de referință.

src =(intrare, șir)
Imagine de studiu.

greutate = 1; pluti
ponderea funcției de cost.

imagine mascata
Funcția generalizată a costului de similitudine a imaginilor mascate care gestionează, de asemenea, mai multe
procesarea rezoluției. Măștile furnizate ar trebui să fie umplute cu densitate în regiuni
procesare cu rezoluție multiplă, deoarece altfel informațiile despre mască se pot pierde
la reducerea scalarii imaginii. Masca de referință și masca transformată a
imaginile de studiu sunt combinate prin AND binar. Este dată măsura reală a asemănării
este un parametru suplimentar, parametrii acceptați sunt:

costa = ssd; fabrică
Nucleul funcției de cost. Pentru pluginuri acceptate, consultați
PLUGINE: imagine 2d/cost mascat

ref =(intrare, șir)
Imagine de referință.

ref-mască =(intrare, șir)
Mască imagine de referință (binară).

src =(intrare, șir)
Imagine de studiu.

src-mask =(intrare, șir)
Mască de studiu de imagine (binară).

greutate = 1; pluti
ponderea funcției de cost.

PLUG-URI: 2dimage/io

bmp Suport de intrare/ieșire a imaginii 2D BMP

Extensii de fișiere recunoscute: .BMP, .bmp

Tipuri de elemente acceptate:
date binare, nesemnate pe 8 biți, nesemnate pe 16 biți

pool de date IO virtuală către și de la pool-ul de date intern

Extensii de fișiere recunoscute: .@

dicom Imagine 2D io pentru DICOM

Extensii de fișiere recunoscute: .DCM, .dcm

Tipuri de elemente acceptate:
semnat pe 16 biți, nesemnat pe 16 biți

exr un plugin 2dimage io pentru imagini OpenEXR

Extensii de fișiere recunoscute: .EXR, .exr

Tipuri de elemente acceptate:
32 de biți nesemnat, 32 de biți în virgulă mobilă

jpg un plugin 2dimage io pentru imagini jpeg în scala de gri

Extensii de fișiere recunoscute: .JPEG, .JPG, .jpeg, .jpg

Tipuri de elemente acceptate:
8 biți nesemnat

png un plugin 2dimage io pentru imagini png

Extensii de fișiere recunoscute: .PNG, .png

Tipuri de elemente acceptate:
date binare, nesemnate pe 8 biți, nesemnate pe 16 biți

crud Suport pentru ieșire de imagini RAW 2D

Extensii de fișiere recunoscute: .RAW, .raw

Tipuri de elemente acceptate:
date binare, semnate pe 8 biți, nesemnate pe 8 biți, semnate pe 16 biți, nesemnate pe 16 biți,
semnat pe 32 de biți, nesemnat pe 32 de biți, virgulă mobilă 32 de biți, virgulă mobilă 64
pic

TIF Suport de intrare/ieșire a imaginii TIFF 2D

Extensii de fișiere recunoscute: .TIF, .TIFF, .tif, .tiff

Tipuri de elemente acceptate:
date binare, nesemnate pe 8 biți, nesemnate pe 16 biți, nesemnate pe 32 de biți

vista un plugin 2dimage io pentru imagini Vista

Extensii de fișiere recunoscute: .V, .VISTA, .v, .vista

Tipuri de elemente acceptate:
date binare, semnate pe 8 biți, nesemnate pe 8 biți, semnate pe 16 biți, nesemnate pe 16 biți,
semnat pe 32 de biți, nesemnat pe 32 de biți, virgulă mobilă 32 de biți, virgulă mobilă 64
pic

PLUG-URI: 2dimage/maskedcost

lncc corelație încrucișată normalizată locală cu suport de mascare., parametrii acceptați
sunt:

w = 5; uint în [1, 256]
jumătate de lățime a ferestrei utilizată pentru evaluarea crucii localizate
corelație.

mi Informații reciproce bazate pe parzen spline cu mascare, parametrii acceptați sunt:

tăiat = 0; plutește în [0, 40]
Procentul de pixeli de tăiat la intensități mari și scăzute de eliminat
valori aberante.

mbins = 64; uint în [1, 256]
Numărul de casete de histograme utilizate pentru imaginea în mișcare.

mkernel = [bspline:d=3]; fabrică
Nucleu spline pentru imaginea în mișcare parzen hinstogram. Pentru plug-in-uri acceptate
vezi PLUGINS:1d/splinekernel

rbins = 64; uint în [1, 256]
Numărul de casete de histograme utilizate pentru imaginea de referință.

rkernel = [bspline:d=0]; fabrică
Nucleu spline pentru imaginea de referință parzen hinstogram. Pentru conectorul acceptat-
ins vezi PLUGINS:1d/splinekernel

CCN corelație încrucișată normalizată cu suport de mascare.

(fara parametri)

SSD Suma pătratelor diferențelor cu mascarea.

(fara parametri)

PLUG-URI: minimizator/cost unic

gdas Coborâre în gradient cu corectare automată a mărimii pasului, parametrii acceptați sunt:

ftolr = 0; dubla în [0, inf)
Opriți dacă modificarea relativă a criteriului este mai jos..

max-pas = 2; dubla in (0, inf)
Dimensiunea maximă absolută a pasului.

maxiter = 200; uint în [1, inf)
Criteriul de oprire: numărul maxim de iterații.

pas min = 0.1; dubla in (0, inf)
Dimensiune minimă absolută a pasului.

xtola = 0.01; dubla în [0, inf)
Opriți dacă norma inf a modificării aplicate lui x este sub această valoare..

gdsq Coborâre în gradient cu estimarea pasului pătratic, parametrii acceptați sunt:

ftolr = 0; dubla în [0, inf)
Opriți dacă modificarea relativă a criteriului este mai jos..

gtola = 0; dubla în [0, inf)
Opriți dacă norma inf a gradientului este sub această valoare.

maxiter = 100; uint în [1, inf)
Criteriul de oprire: numărul maxim de iterații.

scară = 2; dubla in (1, inf)
Scalarea dimensiunii pasului de rezervă fixă.

pas = 0.1; dubla in (0, inf)
Mărimea pasului inițial.

xtola = 0; dubla în [0, inf)
Opriți dacă norma inf a x-update este sub această valoare.

GSL Plugin de optimizare bazat pe optimizatoarele multimin ale Bibliotecii științifice GNU
(GSL) https://www.gnu.org/software/gsl/, parametrii acceptați sunt:

eps = 0.01; dubla in (0, inf)
Optimizatoare bazate pe gradient: opriți când |grad| < eps, simplex: opriți când
dimensiune simplex < eps..

proces = 100; uint în [1, inf)
numărul maxim de iterații.

opta = gd; dict
Optimizator specific care trebuie utilizat.. Valorile acceptate sunt:
bfgs ‐ Broyden-Fletcher-Goldfarb-Shann
bfgs2 ‐ Broyden-Fletcher-Goldfarb-Shann (cea mai eficientă versiune)
cg-fr ‐ Algoritmul de gradient conjugat Flecher-Reeves
gd ‐ Coborâre în gradient.
simplex ‐ Algoritmul Simplex al lui Nelder și Mead
cg-pr ‐ Algoritmul de gradient conjugat Polak-Ribiere

pas = 0.001; dubla in (0, inf)
dimensiunea inițială a pasului.

tol = 0.1; dubla in (0, inf)
un parametru de toleranță.

nlopt Algoritmi de minimizare folosind biblioteca NLOPT, pentru o descriere a
optimizatori vă rugăm să vedeți „http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', parametrii acceptați sunt:

ftola = 0; dubla în [0, inf)
Criteriul de oprire: modificarea absolută a valorii obiective este mai jos
această valoare.

ftolr = 0; dubla în [0, inf)
Criteriul de oprire: modificarea relativă a valorii obiective este mai jos
această valoare.

superior = inf; dubla
Limită superioară (egale pentru toți parametrii).

local-opt = niciunul; dict
algoritm local de minimizare care poate fi necesar pentru principal
algoritm de minimizare.. Valorile acceptate sunt:
gn-orig-direct-l ‐ Împărțirea dreptunghiurilor (implementare originală,
părtinitoare local)
gn-direct-l-noscal ‐ Împărțirea dreptunghiurilor (nescalate, părtinitoare local)
gn-isres ‐ Strategie îmbunătățită de evoluție a clasamentului stocastic
ld-tnewton ‐ Newton trunchiat
gn-direct-l-rand ‐ Împărțirea dreptunghiurilor (părtinitoare local, randomizat)
ln-newuoa ‐ Optimizare neconstrânsă fără derivate prin iterativ
Aproximație cuadratică construită
gn-direct-l-rand-noscale ‐ Împărțirea dreptunghiurilor (nescalate, local
părtinitoare, randomizată)
gn-orig-direct ‐ Împărțirea dreptunghiurilor (implementare originală)
ld-tnewton-precond ‐ Newton trunchiat precondiționat
ld-tnewton-repornire ‐ Newton trunchiat cu repornirea cu cea mai abruptă coborâre
gn-direct ‐ Împărțirea dreptunghiurilor
ln-neldermead ‐ Algoritmul simplex Nelder-Mead
ln-cobyla ‐ Optimizare constrânsă PRIN Aproximare Lineară
gn-crs2-lm ‐ Căutare aleatoare controlată cu mutație locală
ld-var2 ‐ Variabilă-Metrică cu memorie limitată deplasată, rangul 2
ld-var1 ‐ Variabilă-Metrică cu memorie limitată deplasată, rangul 1
ld-mma ‐ Metoda de mutare a asimptotelor
ld-lbfgs-nocedal - Nici unul
ld-lbfgs ‐ BFGS cu stocare redusă
gn-direct-l ‐ Împărțirea dreptunghiurilor (părtinitoare local)
nici unul ‐ nu specificați algoritmul
ln-bobyqa ‐ Optimizare limitată de legaturi fără derivate
ln-sbplx ‐ Varianta subplex a lui Nelder-Mead
ln-newuoa-legat ‐ Optimizare fără derivate limitate de legături de
Aproximație cuadratică construită iterativ
ln-praxis ‐ Optimizare locală fără gradient prin axa principală
Metodă
gn-direct-noscal ‐ Împărțirea dreptunghiurilor (nescalate)
ld-tnewton-precond-restart ‐ Newton trunchiat precondiționat cu
repornirea la cea mai abruptă coborâre

LOWER = -inf; dubla
Limită inferioară (egal pentru toți parametrii).

maxiter = 100; int în [1, inf)
Criteriul de oprire: numărul maxim de iterații.

opta = ld-lbfgs; dict
algoritmul principal de minimizare. Valorile acceptate sunt:
gn-orig-direct-l ‐ Împărțirea dreptunghiurilor (implementare originală,
părtinitoare local)
g-mlsl-lds ‐ Conectare unică pe mai multe niveluri (secvență cu discrepanță scăzută,
necesită optimizare și limite bazate pe gradient local)
gn-direct-l-noscal ‐ Împărțirea dreptunghiurilor (nescalate, părtinitoare local)
gn-isres ‐ Strategie îmbunătățită de evoluție a clasamentului stocastic
ld-tnewton ‐ Newton trunchiat
gn-direct-l-rand ‐ Împărțirea dreptunghiurilor (părtinitoare local, randomizat)
ln-newuoa ‐ Optimizare neconstrânsă fără derivate prin iterativ
Aproximație cuadratică construită
gn-direct-l-rand-noscale ‐ Împărțirea dreptunghiurilor (nescalate, local
părtinitoare, randomizată)
gn-orig-direct ‐ Împărțirea dreptunghiurilor (implementare originală)
ld-tnewton-precond ‐ Newton trunchiat precondiționat
ld-tnewton-repornire ‐ Newton trunchiat cu repornirea cu cea mai abruptă coborâre
gn-direct ‐ Împărțirea dreptunghiurilor
auglag-eq ‐ Algoritm lagrangian crescut cu constrângeri de egalitate
afară
ln-neldermead ‐ Algoritmul simplex Nelder-Mead
ln-cobyla ‐ Optimizare constrânsă PRIN Aproximare Lineară
gn-crs2-lm ‐ Căutare aleatoare controlată cu mutație locală
ld-var2 ‐ Variabilă-Metrică cu memorie limitată deplasată, rangul 2
ld-var1 ‐ Variabilă-Metrică cu memorie limitată deplasată, rangul 1
ld-mma ‐ Metoda de mutare a asimptotelor
ld-lbfgs-nocedal - Nici unul
g-mlsl ‐ Conectare unică pe mai multe niveluri (necesită optimizare locală și
limite)
ld-lbfgs ‐ BFGS cu stocare redusă
gn-direct-l ‐ Împărțirea dreptunghiurilor (părtinitoare local)
ln-bobyqa ‐ Optimizare limitată de legaturi fără derivate
ln-sbplx ‐ Varianta subplex a lui Nelder-Mead
ln-newuoa-legat ‐ Optimizare fără derivate limitate de legături de
Aproximație cuadratică construită iterativ
auglag ‐ Algoritm lagrangian crescut
ln-praxis ‐ Optimizare locală fără gradient prin axa principală
Metodă
gn-direct-noscal ‐ Împărțirea dreptunghiurilor (nescalate)
ld-tnewton-precond-restart ‐ Newton trunchiat precondiționat cu
repornirea la cea mai abruptă coborâre
ld-slsqp ‐ Programare secvenţială pătratică cu cele mai mici pătrate

pas = 0; dubla în [0, inf)
Dimensiunea inițială a pasului pentru metodele fără gradient.

opri = -inf; dubla
Criteriu de oprire: valoarea funcției scade sub această valoare.

xtola = 0; dubla în [0, inf)
Criteriul de oprire: modificarea absolută a tuturor valorilor x este sub aceasta
valoare.

xtolr = 0; dubla în [0, inf)
Criteriul de oprire: modificarea relativă a tuturor valorilor x este sub aceasta
valoare.

EXEMPLU

Înregistrați seria de perfuzie dată în „segment.set” utilizând estimarea automată ICA.
Omite două imagini la început și, în caz contrar, folosește parametrii impliciti. Depozitați
rezultă „registered.set”.

mia-2dmyoica-nonrigid-parallel -i segment.set -o registered.set -k 2

AUTOR(i)

Gert Wollny

DREPTURI DE AUTOR

Acest software este Copyright (c) 1999‐2015 Leipzig, Germania și Madrid, Spania. Este vorba
FĂRĂ ABSOLUT NU GARANȚIE și o puteți redistribui conform termenilor GNU
LICENȚĂ PUBLICĂ GENERALĂ Versiunea 3 (sau ulterioară). Pentru mai multe informații rulați programul cu
opțiunea „--copyright”.

Utilizați online mia-2dmyoica-nonrigid-parallel folosind serviciile onworks.net