mia-2dmyoica-nonrigid2 — онлайн в облаке

ПРОГРАММА:

ИМЯ

mia-2dmyoica-nonrigid2 - запустить регистрацию серии 2D-изображений.

СИНТАКСИС

миа-2dmyoica-нежесткий2 -i -o [опции]

ОПИСАНИЕ

миа-2dmyoica-нежесткий2 Эта программа выполняет нежесткую регистрацию перфузионного изображения.
На каждом проходе сначала выполняется анализ ICA для оценки и устранения периодических
движения и создавать эталонные изображения с интенсивностью, близкой к соответствующему
исходное изображение. Затем выполняется нежесткая регистрация с использованием стоимости "ssd + divcurl".
модель. C-rate B-сплайна и вес стоимости divcurl изменяются на каждом проходе в соответствии с
заданным параметрам.В первом проходе ограничивающая рамка вокруг миокарда ЛЖ может быть
извлечено для ускорения вычислений Специальное примечание к этой реализации: регистрация
всегда запускайте исходные изображения, чтобы избежать накопления ошибок интерполяции.

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 полей

--save-cropped =
сохранить обрезанный набор в этот файл

--save-feature =
сохранить изображения признаков сегментации и исходную матрицу микширования ICA

ICA
-C --components = 0
Компоненты ICA 0 = автоматическая оценка Компоненты ICA 0 = автоматические
Индивидуальный расчет

- нормализовать
не нормализованные ИС

--no-средняя полоса
не удаляйте среднее значение из кривых смешения

-s --segscale = 0
сегментировать и масштабировать рамку обрезки вокруг сегмента LV (0 = без сегментации) и
масштабируйте рамку кадрирования вокруг LV (0 = без сегментации)

-k --skip = 0
пропускать изображения в начале серии, например, потому что они другие
пропускать изображения в начале серии, например, потому что они
имеют другие формы

-m --max-ica-iter = 400
максимальное количество итераций в ICA максимальное количество итераций в ICA

-E --segmethod = особенности
Метод сегментации
дельта-пик - разница изображений пикового улучшения
функции - изображения функций
дельта-функция - различие характерных изображений

Регистрация
-O --optimizer = gsl: opt = gd, step = 0.1
Оптимизатор, используемый для минимизации Оптимизатор, используемый для минимизации Для
поддерживаемые плагины см. ПЛАГИНЫ: Minimizer / singlecost

-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

-d --start-divcurl = 20
начальный вес divcurl, делится на --divcurl-divider с каждым проходом
вес divcurl, делится на --divcurl-divider при каждом проходе

--divcurl-divider = 4
масштабирование веса divcurl с каждым новым
новый пропуск

-w --imageweight = 1
стоимость изображения вес

-p --interpolator = bspline: d = 3
Ядро интерполятора изображений Ядро интерполятора изображений Для поддерживаемых плагинов
см. ПЛАГИНЫ: 1d / splinekernel

-l --mg-levels = 3
уровни с несколькими разрешениями

-P --passes = 3
регистрационные пропуска

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, указанную в 'segment.set', с помощью автоматической оценки ICA.
Пропустите два изображения в начале, а в противном случае используйте параметры по умолчанию. Хранить
в результате получится "register.set".

mia-2dmyoica-nonrigid2 -i segment.set -o register.set -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-2dmyoica-nonrigid2 в Интернете с помощью сервисов onworks.net