mia-2dmyoica-nonrigid2 - Online in the Cloud

Program:

ADI

mia-2dmyoica-nonrigid2 - Run a registration of a series of 2D images.

SİNOPSİS

mia-2dmyoica-nonrigid2 -i -o [seçenekler]

TANIM

mia-2dmyoica-nonrigid2 This program runs the non-rigid registration of an perfusion image
series.In each pass, first an ICA analysis is run to estimate and eliminate the periodic
movement and create reference images with intensities similar to the corresponding
original image. Then non-rigid registration is run using the an "ssd + divcurl" cost
model. The B-spline c-rate and the divcurl cost weight are changed in each pass according
to given parameters.In the first pass a bounding box around the LV myocardium may be
extractedto speed up computation Special note to this implemnentation: the registration is
always run from the original images to avoid the accumulation of interpolation errors.

SEÇENEKLER

Dosya-IO
-i --in-file=(girdi, gerekli); sicim
giriş perfüzyon veri seti

-o --out-file=(çıktı, gerekli); sicim
çıkış perfüzyon veri seti

-r --kayıtlı=reg
kayıtlı alanlar için dosya adı tabanı

--kaydet-kırpılmış=
kırpılmış seti bu dosyaya kaydet

--save-özelliği=
segmentasyon özelliği görüntülerini ve ilk ICA karıştırma matrisini kaydedin

ICA
-C --bileşenler=0
ICA bileşenleri 0 = otomatik tahminICA bileşenleri 0 = otomatik
tahmin

--normalleştirmek
IC'leri normalleştirmeyin

--yok-yolsuz
ortalamayı karıştırma eğrilerinden çıkarmayın

-s --segölçek=0
kırpın ve kırpma kutusunu LV (0=segmentasyon yok)segmentinin etrafında ölçekleyin ve
kırpma kutusunu LV çevresinde ölçeklendir (0=segmentasyon yok)

-k --atla=0
serinin başındaki resimleri atlayın, örneğin diğer resimlerde olduğu gibi
modalitelerserilerin başındaki görüntüleri atlayın, örn.
diğer modalitelerden

-m --max-ica-iter=400
ICA'daki maksimum yineleme sayısı ICA'daki maksimum yineleme sayısı

-E --segmethod=özellikler
Segmentasyon yöntemi
delta tepe - tepe geliştirme görüntülerinin farkı
Özellikler - özellikli görüntüler
delta özelliği - özellik görüntülerinin farkı

kayıtlar
-O --optimizer=gsl:opt=gd,adım=0.1
Küçültme için kullanılan Optimize Edici Küçültme için kullanılan Optimize Edici
desteklenen eklentiler bkz. PLUGINS:minimizer/singlecost

-a --start-c-hızı=32
dikenlerde katsayı oranını başlat, --c-rate-divider ile bölünür
dikenlerdeki her geçiş katsayı oranı, --c-rate-divider ile bölünür
her geçişte

--c-oran bölücü=4
her geçiş için yeterli hız bölücü Her geçiş için yeterli hız bölücü

-d --start-divcurl=20
divcurl ağırlığını başlat, her geçişte --divcurl-divider ile bölünür
divcurl ağırlığı, her geçişte --divcurl-divider ile bölünür

--divcurl-bölücü=4
her yeni passdivcurl ile ağırlık ölçekleme her yeni ile divcurl ağırlık ölçeklendirme
yeni geçiş

-w --görüntü ağırlığı=1
görüntü maliyet ağırlığı görüntü maliyet ağırlığı

-p --interpolatör=bspline:d=3
image interpolator kernelimage interpolator kernel Desteklenen eklentiler için
PLUGINS:1d/splinekernel'e bakın

-l --mg-seviyeleri=3
çoklu çözünürlük seviyeleriçoklu çözünürlük seviyeleri

-P --geçer=3
kayıt pasolarıkayıt pasoları

Destek & Bilgi
-V --verbose=uyarı
çıktının ayrıntı düzeyi, verilen düzeyde ve daha yüksek önceliklerde yazdırılan mesajlar.
En düşük seviyeden başlayan desteklenen öncelikler şunlardır:
bilgi - Düşük seviyeli mesajlar
iz - İşlev çağrısı izleme
başarısız - Test hatalarını bildirin
uyarı - Uyarılar
hata - Hataları bildir
ayıklamak - Hata ayıklama çıktısı
mesaj - Normal mesajlar
ölümcül - Yalnızca önemli hataları bildirin

--telif hakkı
telif hakkı bilgilerini yazdır

-h -- yardım
bu yardımı yazdır

-? --kullanım
kısa bir yardım yazdır

--versiyon
sürüm numarasını yazdırın ve çıkın

İşlemde
--iş parçacıkları=-1
İşlem için kullanılacak maksimum iş parçacığı sayısı, Bu sayı daha düşük olmalıdır
veya makinedeki mantıksal işlemci çekirdeklerinin sayısına eşittir. (-1:
otomatik tahmin).İşleme için kullanılacak maksimum iş parçacığı sayısı,Bu
sayısı, mantıksal işlemci çekirdeklerinin sayısına eşit veya daha düşük olmalıdır.
makine. (-1: otomatik tahmin).

EKLENTİLER: 1d/spline çekirdeği

bspline B-spline çekirdek oluşturma, desteklenen parametreler şunlardır:

d = 3; int [0, 5]
Spline derecesi.

omomlar OMoms-spline çekirdek oluşturma, desteklenen parametreler şunlardır:

d = 3; int [3, 3]
Spline derecesi.

EKLENTİLER: küçültücü/tek maliyet

GDA'lar Otomatik adım boyutu düzeltmeli gradyan inişi., desteklenen parametreler şunlardır:

ftolr = 0; [0, inf) çift
Kriterin göreli değişimi aşağıda ise dur..

maksimum adım = 2; çift ​​giriş (0, inf)
Maksimum mutlak adım boyutu.

maksiter = 200; [1, inf) içinde uint
Durdurma kriteri: maksimum yineleme sayısı.

min-adım = 0.1; çift ​​giriş (0, inf)
Minimum mutlak adım boyutu.

xtola = 0.01; [0, inf) çift
x'e uygulanan değişikliğin inf-normu bu değerin altındaysa dur.

gdsq İkinci dereceden adım tahmini ile gradyan inişi, desteklenen parametreler şunlardır:

ftolr = 0; [0, inf) çift
Kriterin göreli değişimi aşağıda ise dur..

gtola = 0; [0, inf) çift
Gradyanın inf-normu bu değerin altındaysa dur.

maksiter = 100; [1, inf) içinde uint
Durdurma kriteri: maksimum yineleme sayısı.

ölçek = 2; çift ​​giriş (1, inf)
Geri dönüş sabit adım boyutu ölçeklendirme.

adım = 0.1; çift ​​giriş (0, inf)
İlk adım boyutu.

xtola = 0; [0, inf) çift
x-update'in inf-normu bu değerin altındaysa dur.

gsl'nin GNU Bilimsel Kitaplığının multimin optimizerlerine dayalı optimize edici eklentisi
(GSL) https://www.gnu.org/software/gsl/, desteklenen parametreler şunlardır:

eps = 0.01; çift ​​giriş (0, inf)
gradyan tabanlı optimize ediciler: |grad| < eps, tek yönlü: ne zaman dur
tek yönlü boyut < eps..

süreç = 100; [1, inf) içinde uint
maksimum yineleme sayısı.

yeğlemek = gd; dikte
Kullanılacak özel optimize edici.. Desteklenen değerler:
bfg'ler - Broyden-Fletcher-Goldfarb-Shann
bfgs2 - Broyden-Fletcher-Goldfarb-Shann (en verimli sürüm)
cg-fr - Flecher-Reeves eşlenik gradyan algoritması
gd - Dereceli alçalma.
simpleks - Nelder ve Mead'in Simplex algoritması
cg-pr - Polak-Ribiere eşlenik gradyan algoritması

adım = 0.001; çift ​​giriş (0, inf)
ilk adım boyutu.

tol = 0.1; çift ​​giriş (0, inf)
bazı tolerans parametreleri.

nlop Açıklama için NLOPT kitaplığını kullanan simge durumuna küçültücü algoritmaları
optimize ediciler lütfen bakın 'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', desteklenen parametreler şunlardır:

ftola = 0; [0, inf) çift
Durdurma kriteri: Objektif değerin mutlak değişimi aşağıdadır.
Bu değer.

ftolr = 0; [0, inf) çift
Durdurma kriteri: Objektif değerin göreli değişimi aşağıdadır.
Bu değer.

daha yüksek = enf; çift
Daha yüksek sınır (tüm parametreler için eşittir).

yerel tercih = yok; dikte
ana için gerekli olabilecek yerel minimizasyon algoritması
minimizasyon algoritması.. Desteklenen değerler:
gn-orig-doğrudan-l - Dikdörtgenleri Bölme (orijinal uygulama,
yerel olarak önyargılı)
gn-doğrudan-l-noscal - Dikdörtgenleri Bölme (ölçeklenmemiş, yerel olarak önyargılı)
gn-isres - İyileştirilmiş Stokastik Sıralama Evrim Stratejisi
ld-tnewton - Kesik Newton
gn-doğrudan-l-rand - Dikdörtgenleri Bölme (yerel olarak önyargılı, rastgele)
ln-yeniuoa - Yinelemeli Olarak Türevsiz Kısıtlanmamış Optimizasyon
Oluşturulan Kuadratik Yaklaşım
gn-doğrudan-l-rand-noscale - Dikdörtgenleri Bölme (ölçeklenmemiş, yerel olarak
taraflı, rastgele)
gn-orig-doğrudan - Dikdörtgenleri Bölme (orijinal uygulama)
ld-tnewton-önkoşul - Ön Koşullu Kesilmiş Newton
ld-tnewton-yeniden başlatma - En dik inişli yeniden başlatma ile kesilmiş Newton
gn-doğrudan - Dikdörtgenleri Bölme
ln-eldermead - Nelder-Mead simpleks algoritması
In-cobyla - Doğrusal Yaklaşımla Kısıtlı Optimizasyon
gn-crs2-lm - Lokal Mutasyonlu Kontrollü Rastgele Arama
ld-var2 - Kaydırılmış Sınırlı-Bellek Değişken-Metrik, Sıra 2
ld-var1 - Kaydırılmış Sınırlı-Bellek Değişken-Metrik, Sıra 1
ld-mma - Asimptotları Taşıma Yöntemi
ld-lbfgs-nocedal - Hiçbiri
ld-lbfgs - Düşük depolamalı BFGS
gn-doğrudan-l - Dikdörtgenleri Bölme (yerel olarak taraflı)
Yok - algoritma belirtme
ln-bobyqa - Türevsiz Sınırlı Kısıtlı Optimizasyon
ln-sbplx - Nelder-Mead'in subplex varyantı
ln-newuoa-bağlı - Türevsiz Sınırlı Kısıtlı Optimizasyon
Yinelemeli Olarak Oluşturulan Kuadratik Yaklaşım
ln-praksis - Ana Eksen üzerinden Gradyansız Yerel Optimizasyon
Yöntem
gn-doğrudan-noscal - Dikdörtgenleri Bölme (ölçeklenmemiş)
ld-tnewton-precond-yeniden başlatma - Ön Koşullu Kesilmiş Newton
en dik iniş yeniden başlatma

alt = -inf; çift
Alt sınır (tüm parametreler için eşittir).

maksiter = 100; int [1, inf)
Durdurma kriteri: maksimum yineleme sayısı.

yeğlemek = ld-lbfgs; dikte
ana minimizasyon algoritması. Desteklenen değerler şunlardır:
gn-orig-doğrudan-l - Dikdörtgenleri Bölme (orijinal uygulama,
yerel olarak önyargılı)
g-mlsl-lds - Çok Düzeyli Tek Bağlantı (düşük tutarsızlık dizisi,
yerel gradyan tabanlı optimizasyon ve sınırlar gerektirir)
gn-doğrudan-l-noscal - Dikdörtgenleri Bölme (ölçeklenmemiş, yerel olarak önyargılı)
gn-isres - İyileştirilmiş Stokastik Sıralama Evrim Stratejisi
ld-tnewton - Kesik Newton
gn-doğrudan-l-rand - Dikdörtgenleri Bölme (yerel olarak önyargılı, rastgele)
ln-yeniuoa - Yinelemeli Olarak Türevsiz Kısıtlanmamış Optimizasyon
Oluşturulan Kuadratik Yaklaşım
gn-doğrudan-l-rand-noscale - Dikdörtgenleri Bölme (ölçeklenmemiş, yerel olarak
taraflı, rastgele)
gn-orig-doğrudan - Dikdörtgenleri Bölme (orijinal uygulama)
ld-tnewton-önkoşul - Ön Koşullu Kesilmiş Newton
ld-tnewton-yeniden başlatma - En dik inişli yeniden başlatma ile kesilmiş Newton
gn-doğrudan - Dikdörtgenleri Bölme
auglag-eq - Eşitlik kısıtlamaları ile artırılmış Lagrange algoritması
bir tek
ln-eldermead - Nelder-Mead simpleks algoritması
In-cobyla - Doğrusal Yaklaşımla Kısıtlı Optimizasyon
gn-crs2-lm - Lokal Mutasyonlu Kontrollü Rastgele Arama
ld-var2 - Kaydırılmış Sınırlı-Bellek Değişken-Metrik, Sıra 2
ld-var1 - Kaydırılmış Sınırlı-Bellek Değişken-Metrik, Sıra 1
ld-mma - Asimptotları Taşıma Yöntemi
ld-lbfgs-nocedal - Hiçbiri
g-mlsl - Çok Düzeyli Tek Bağlantı (yerel optimizasyon gerektirir ve
sınırlar)
ld-lbfgs - Düşük depolamalı BFGS
gn-doğrudan-l - Dikdörtgenleri Bölme (yerel olarak taraflı)
ln-bobyqa - Türevsiz Sınırlı Kısıtlı Optimizasyon
ln-sbplx - Nelder-Mead'in subplex varyantı
ln-newuoa-bağlı - Türevsiz Sınırlı Kısıtlı Optimizasyon
Yinelemeli Olarak Oluşturulan Kuadratik Yaklaşım
ağartma - Artırılmış Lagrange algoritması
ln-praksis - Ana Eksen üzerinden Gradyansız Yerel Optimizasyon
Yöntem
gn-doğrudan-noscal - Dikdörtgenleri Bölme (ölçeklenmemiş)
ld-tnewton-precond-yeniden başlatma - Ön Koşullu Kesilmiş Newton
en dik iniş yeniden başlatma
ld-slsqp - Sıralı En Küçük Kareler İkinci Dereceden Programlama

adım = 0; [0, inf) çift
Gradyansız yöntemler için ilk adım boyutu.

durdurmak = -inf; çift
Durdurma kriteri: fonksiyon değeri bu değerin altına düşer.

xtola = 0; [0, inf) çift
Durdurma kriteri: tüm x değerlerinin mutlak değişimi bunun altındadır
değeri.

xtolr = 0; [0, inf) çift
Durdurma kriteri: tüm x değerlerinin göreli değişimi bunun altındadır
değeri.

ÖRNEK

Otomatik ICA tahminini kullanarak 'segment.set' içinde verilen perfüzyon serisini kaydedin.
Başlangıçta iki resmi atlayın ve aksi takdirde varsayılan parametreleri kullanın. saklamak
'registered.set' ile sonuçlanır.

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

YAZAR(lar)

Gert Wollny

TELİF HAKKI

Bu yazılımın Telif Hakkı (c) 1999‐2015 Leipzig, Almanya ve Madrid, İspanya'ya aittir. Gelir
KESİNLİKLE HİÇBİR GARANTİ YOKTUR ve GNU koşulları altında yeniden dağıtabilirsiniz.
GENEL KAMU LİSANSI Sürüm 3 (veya üstü). Daha fazla bilgi için programı şununla çalıştırın:
'--telif hakkı' seçeneği.

Use mia-2dmyoica-nonrigid2 online using onworks.net services