Это команда mia-2dgroundtruthreg, которую можно запустить в бесплатном хостинг-провайдере OnWorks, используя одну из наших многочисленных бесплатных онлайн-рабочих станций, таких как Ubuntu Online, Fedora Online, онлайн-эмулятор Windows или онлайн-эмулятор MAC OS.
ПРОГРАММА:
ИМЯ
mia-2dgroundtruthreg - Регистрация серии 2D изображений
СИНТАКСИС
Миа-2dgroundtruthreg -i -o -A -B -R
[опции]
ОПИСАНИЕ
Миа-2dgroundtruthreg Эта программа реализует нелинейную регистрацию на основе псевдо
Ground Thruth для компенсации движения серий изображений перфузии миокарда, как описано
in Chao Li и Ying Sun, «Нестойкая регистрация МРТ перфузии миокарда с использованием псевдо
Основополагающая правда », В сб. Компьютерная обработка изображений и компьютерное вмешательство MICCAI
2009, 165-172, 2009. Обратите внимание, что для этой коррекции нелинейного движения предыдущая линейная
шаг регистрации обычно требуется.
ДОПОЛНИТЕЛЬНЫЕ УСЛУГИ, НЕ ВКЛЮЧЕННЫЕ В ПАКЕТ
Файл-IO
-i --in-file = (ввод, обязательно); нить
входной набор данных о перфузии
-o --out-file = (вывод, обязательно); нить
выходной набор данных перфузии
-r --registered = reg
база имен файлов для зарегистрированных файлов
Предпосылками
-s --skip = 2
пропустить изображения в начале серии пропустить изображения в начале серии
-P --passes = 4
количество регистрационных пропусковколичество регистрационных пропусков
Псевдо-земля-правда
-A --alpha = (обязательно); двойной
Вес штрафа за пространственное соседство Вес штрафа за пространственное соседство
-B --beta = (обязательно); двойной
временный штраф по второй производной; вес; временный штраф по второй производной.
вес
-R --rho_thresh = (обязательно); двойной
порог корреляции для анализа окрестностей порог корреляции для
анализ района
Регистрация
-O --optimizer = gsl: opt = gd, step = 0.1
Оптимизатор, используемый для минимизации Оптимизатор, используемый для минимизации Для
поддерживаемые плагины см. ПЛАГИНЫ: Minimizer / singlecost
-p --interpolator = bspline: d = 3
Ядро интерполятора изображений Ядро интерполятора изображений Для поддерживаемых плагинов
см. ПЛАГИНЫ: 1d / splinekernel
-l --mr-levels = 3
уровни с несколькими разрешениями
-d --divcurl = 20
вес регуляризации divcurl
--divcurl-divider = 4
масштабирование веса divcurl с каждым новым
новый пропуск
-a --start-c-rate = 32
начальный коэффициент скорости в шипах, делится на --c-rate-divider с
коэффициент запуска каждого прохода в шипах, делится на --c-rate-divider
с каждым проходом
--c-rate-divider = 4
делитель скорости передачи для каждого пассажира делитель скорости передачи для каждого прохода
-w --imageweight = 1
стоимость изображения вес
Документи & Инфо
-V --verbose = предупреждение
многословность вывода, печать сообщений заданного уровня и более высокого приоритета.
Поддерживаемые приоритеты, начиная с самого низкого уровня:
info - Сообщения низкого уровня
прослеживать - Трассировка вызова функции
неудача - Сообщать об ошибках тестирования
предупреждение - Предупреждения
ошибка - Сообщать об ошибках
отлаживать - Вывод отладки
сообщение - Нормальные сообщения
роковой - Сообщать только о фатальных ошибках
--авторское право
распечатать информацию об авторских правах
-ч --помощь
распечатать эту справку
-? --использование
распечатать краткую справку
--версия
распечатайте номер версии и выйдите
Обработка
--threads = -1
Максимальное количество потоков для обработки, это число должно быть меньше
или равно количеству ядер логического процессора в машине. (-1:
автоматическая оценка) .Максимальное количество потоков для обработки.
число должно быть меньше или равно количеству ядер логического процессора в
машина. (-1: автоматическая оценка).
ПЛАГИНЫ: 1d / splinekernel
сплайн Создание ядра B-сплайна, поддерживаемые параметры:
d = 3; int в [0, 5]
Степень сплайна.
омомы Создание ядра OMoms-сплайна, поддерживаемые параметры:
d = 3; int в [3, 3]
Степень сплайна.
ПЛАГИНЫ: минимизатор / единовременная стоимость
гдас Градиентный спуск с автоматической коррекцией размера шага, поддерживаемые параметры:
фтолр = 0; удвоить в [0, inf)
Остановитесь, если относительное изменение критерия ниже ..
макс-шаг = 2; вдвое больше (0, бесконечность)
Максимальный абсолютный размер шага.
макситер = 200; uint в [1, inf)
Критерий остановки: максимальное количество итераций.
мин-шаг = 0.1; вдвое больше (0, бесконечность)
Минимальный абсолютный размер шага.
кстола = 0.01; удвоить в [0, inf)
Остановитесь, если inf-норма изменения, примененного к x, ниже этого значения.
GDSQ Градиентный спуск с оценкой квадратичного шага, поддерживаемые параметры:
фтолр = 0; удвоить в [0, inf)
Остановитесь, если относительное изменение критерия ниже ..
гтола = 0; удвоить в [0, inf)
Остановитесь, если инф-норма градиента ниже этого значения.
макситер = 100; uint в [1, inf)
Критерий остановки: максимальное количество итераций.
лестница = 2; вдвое больше (1, бесконечность)
Резервное масштабирование фиксированного размера шага.
шаг = 0.1; вдвое больше (0, бесконечность)
Начальный размер шага.
кстола = 0; удвоить в [0, inf)
Остановитесь, если inf-norm x-update ниже этого значения.
GSL плагин оптимизатора, основанный на мультиминных оптимизаторах Научной библиотеки GNU
(GSL) https://www.gnu.org/software/gsl/, поддерживаемые параметры:
прибыль на акцию = 0.01; вдвое больше (0, бесконечность)
Оптимизаторы на основе градиента: остановитесь, когда | grad | <eps, simplex: остановить, когда
размер симплекса <eps ..
трубчатый проход = 100; uint в [1, inf)
максимальное количество итераций.
выбирать = gd; диктовать
Будет использоваться конкретный оптимизатор. Поддерживаемые значения:
бфгс - Бройден-Флетчер-Гольдфарб-Шенн
бфгс2 - Бройден-Флетчер-Гольдфарб-Шенн (наиболее эффективная версия)
cg-fr - Алгоритм сопряженного градиента Флечера-Ривза
gd - Градиентный спуск.
симплекс - Симплексный алгоритм Нелдера и Мида
cg-pr - Алгоритм сопряженного градиента Полака-Рибиера
шаг = 0.001; вдвое больше (0, бесконечность)
начальный размер шага.
тол = 0.1; вдвое больше (0, бесконечность)
какой-то параметр допуска.
нлопт Алгоритмы минимизатора, использующие библиотеку NLOPT, для описания
оптимизаторы, пожалуйста, посмотрите 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms ', поддерживаемые параметры:
фтола = 0; удвоить в [0, inf)
Критерий остановки: абсолютное изменение целевого значения ниже
это значение.
фтолр = 0; удвоить в [0, inf)
Критерий остановки: относительное изменение целевого значения ниже
это значение.
высший = inf; двойной
Верхняя граница (одинаковая по всем параметрам).
местный выбор = нет; диктовать
алгоритм локальной минимизации, который может потребоваться для основных
алгоритм минимизации. Поддерживаемые значения:
gn-orig-direct-l - Разделение прямоугольников (оригинальная реализация,
локально предвзято)
гн-директ-л-носкаль - Разделение прямоугольников (немасштабированные, с локальным смещением)
GN-Isres - Улучшенная стратегия эволюции стохастического рейтинга.
лд-тньютон - Усеченный Ньютон
GN-Direct-L-Rand - Разделение прямоугольников (локально смещенное, рандомизированное)
Ин-Ньюоа - Безусловная оптимизация без производных итеративно
Построенная квадратичная аппроксимация
gn-direct-l-rand-noscale - Разделение прямоугольников (немасштабированные, локально
предвзятый, рандомизированный)
gn-оригинал-директ - Разделение прямоугольников (оригинальная реализация)
ld-tnewton-precond - Предварительно обусловленный усеченный Ньютон
ld-tnewton-перезагрузка - Усеченный Ньютон с перезапуском наискорейшего спуска
GN-прямой - Разделение прямоугольников
Ln-Neldermead - симплексный алгоритм Нелдера-Мида
лн-кобыла - Оптимизация с ограничениями посредством линейного приближения
GN-CRS2-LM - Управляемый случайный поиск с локальной мутацией
ld-var2 - Сдвинутый переменный показатель с ограниченной памятью, ранг 2
ld-var1 - Сдвинутый переменный показатель с ограниченной памятью, ранг 1
LD-MMA - Метод подвижных асимптот
ld-lbfgs-nocedal - Никто
ld-lbfgs - BFGS с низким хранением
gn-direct-l - Разделение прямоугольников (локально смещено)
никто - не указывать алгоритм
Ин-бобика - Оптимизация без производных с ограничениями
ln-sbplx - Подплексный вариант Нелдера-Мида
In-newuoa-bound - Оптимизация без производных с ограничениями по
Итеративно построенная квадратичная аппроксимация
лн-практика - Локальная оптимизация без градиентов через главную ось
Способ доставки
гн-директ-носкаль - Разделение прямоугольников (немасштабированные)
ld-tnewton-precond-перезагрузка - Предварительно обусловленный усеченный Ньютон с
перезапуск на крутом спуске
ниже = -inf; двойной
Нижняя граница (одинаковая по всем параметрам).
макситер = 100; int в [1, inf)
Критерий остановки: максимальное количество итераций.
выбирать = ld-lbfgs; диктовать
основной алгоритм минимизации. Поддерживаемые значения:
gn-orig-direct-l - Разделение прямоугольников (оригинальная реализация,
локально предвзято)
g-mlsl-lds - Многоуровневая одинарная связь (последовательность с низким несоответствием,
требуется оптимизация и границы на основе локального градиента)
гн-директ-л-носкаль - Разделение прямоугольников (немасштабированные, с локальным смещением)
GN-Isres - Улучшенная стратегия эволюции стохастического рейтинга.
лд-тньютон - Усеченный Ньютон
GN-Direct-L-Rand - Разделение прямоугольников (локально смещенное, рандомизированное)
Ин-Ньюоа - Безусловная оптимизация без производных итеративно
Построенная квадратичная аппроксимация
gn-direct-l-rand-noscale - Разделение прямоугольников (немасштабированные, локально
предвзятый, рандомизированный)
gn-оригинал-директ - Разделение прямоугольников (оригинальная реализация)
ld-tnewton-precond - Предварительно обусловленный усеченный Ньютон
ld-tnewton-перезагрузка - Усеченный Ньютон с перезапуском наискорейшего спуска
GN-прямой - Разделение прямоугольников
ауглаг-экв - Расширенный алгоритм Лагранжа с ограничениями равенства
только
Ln-Neldermead - симплексный алгоритм Нелдера-Мида
лн-кобыла - Оптимизация с ограничениями посредством линейного приближения
GN-CRS2-LM - Управляемый случайный поиск с локальной мутацией
ld-var2 - Сдвинутый переменный показатель с ограниченной памятью, ранг 2
ld-var1 - Сдвинутый переменный показатель с ограниченной памятью, ранг 1
LD-MMA - Метод подвижных асимптот
ld-lbfgs-nocedal - Никто
г-млсл - Многоуровневая одинарная связь (требуется локальная оптимизация и
границы)
ld-lbfgs - BFGS с низким хранением
gn-direct-l - Разделение прямоугольников (локально смещено)
Ин-бобика - Оптимизация без производных с ограничениями
ln-sbplx - Подплексный вариант Нелдера-Мида
In-newuoa-bound - Оптимизация без производных с ограничениями по
Итеративно построенная квадратичная аппроксимация
август - Расширенный алгоритм Лагранжа
лн-практика - Локальная оптимизация без градиентов через главную ось
Способ доставки
гн-директ-носкаль - Разделение прямоугольников (немасштабированные)
ld-tnewton-precond-перезагрузка - Предварительно обусловленный усеченный Ньютон с
перезапуск на крутом спуске
ld-slqp - Последовательное квадратичное программирование методом наименьших квадратов
шаг = 0; удвоить в [0, inf)
Начальный размер шага для методов без градиента.
остановить = -inf; двойной
Критерий остановки: значение функции падает ниже этого значения.
кстола = 0; удвоить в [0, inf)
Критерий остановки: абсолютное изменение всех значений x ниже этого
значения.
кстолр = 0; удвоить в [0, inf)
Критерий остановки: относительное изменение всех значений x ниже этого
значения.
ПРИМЕР
Зарегистрируйте серию перфузии, заданную изображениями imageXXXX.exr, используя Pseudo Ground Truth
предварительный расчет. Пропустите два изображения в начале, а в противном случае используйте параметры по умолчанию.
Сохраните полученные изображения в regXXXX.exr.
mia-2dgroundtruthreg -i imageXXXX.exr -o regXXXX.exr -k 2
Авторы)
Герт Волльни
АВТОРСКИЕ ПРАВА
Это программное обеспечение защищено авторскими правами (c) 1999-2015 гг., Лейпциг, Германия, и Мадрид, Испания. Это приходит
с СОВЕРШЕННО ОТСУТСТВИЕМ ГАРАНТИЙ, и вы можете распространять его в соответствии с условиями GNU
ОБЩАЯ ОБЩЕСТВЕННАЯ ЛИЦЕНЗИЯ Версия 3 (или новее). Для получения дополнительной информации запустите программу с
вариант '- авторское право'.
Используйте mia-2dgroundtruthreg онлайн с помощью сервисов onworks.net