Це команда mia-2dgroundtruthreg, яку можна запустити в постачальнику безкоштовного хостингу OnWorks за допомогою однієї з наших численних безкоштовних робочих станцій, таких як Ubuntu Online, Fedora Online, онлайн емулятор Windows або онлайн емулятор MAC OS
ПРОГРАМА:
ІМ'Я
mia-2dgroundtruthreg - Реєстрація серії 2D-зображень
СИНТАКСИС
mia-2dgroundtruthreg -i -o -A -B -R
[параметри]
ОПИС
mia-2dgroundtruthreg Ця програма реалізує нелінійну реєстрацію на основі Pseudo
Ground Thruth для компенсації руху серії зображень перфузії міокарда, як описано
у Чао Лі та Ін Сун, «Нежорстка реєстрація МРТ перфузії міокарда за допомогою псевдо
Основна правда' , в Proc. Обчислення медичних зображень і комп’ютерне втручання MICCAI
2009, 165-172, 2009. Зверніть увагу, що для цієї нелінійної корекції руху попередня лінійна
Зазвичай необхідний крок реєстрації.
ВАРІАНТИ
Файл-IO
-i --in-file=(вхід, обов'язковий); рядок
вхідний набір перфузійних даних
-o --out-file=(вихід, обов'язковий); рядок
вихідний набір даних перфузії
-r --зареєстрований=реєстр
база імен файлів для зареєстрованих файлів
Передумови
-s --пропуск=2
пропускати зображення на початку серіїПропускати зображення на початку серії
-P --проходить=4
кількість реєстраційних пропусківкількість реєстраційних перепусток
Псевдо-Грунт-Трут
-A --alpha=(обов'язково); подвійний
вага штрафу за простором околиціпросторова вага штрафу за околицями
-B --beta=(обов'язково); подвійний
Штраф за тимчасову другу похідну
вага
-R --rho_thresh=(обов'язково); подвійний
кореляційний поріг для аналізу сусідства поріг кореляції для
аналіз сусідства
Реєстрація
-O --optimizer=gsl:opt=gd,step=0.1
Оптимізатор, що використовується для мінімізації. Оптимізатор, що використовується для мінімізації For
підтримувані плагіни див. PLUGINS:minimizer/singlecost
-p --інтерполятор=bspline:d=3
image interpolator kernelimage interpolator kernel Для підтримуваних плагінів
див. ПЛАГІНИ:1d/splinekernel
-l --mr-levels=3
Рівні з багатьма роздільною здатністю Рівні з багатьма роздільною здатністю
-d --divcurl=20
Вага регуляризації divcurl. Вага регуляризації divcurl
--divcurl-divider=4
масштабування ваги divcurl з кожним новим passdivcurl масштабування ваги з кожним
новий прохід
-a --start-c-rate=32
початковий коефіцієнт коефіцієнта в шипах, ділиться на --c-rate-divider with
коефіцієнт коефіцієнта проходження в шипах ділиться на --c-rate-divider
з кожним проходом
--c-rate-divider=4
коефіцієнт дільника ставки для кожного проходу. коефіцієнт подільника ставки для кожного проходу
-w --imageweight=1
Вага вартості зображення Вага вартості зображення
Документи & інформація
-V --verbose=попередження
детальність виводу, друк повідомлень заданого рівня та вищих пріоритетів.
Підтримувані пріоритети, починаючи з найнижчого рівня:
інформація - Повідомлення низького рівня
простежувати ‐ Трасування виклику функції
невдача - Повідомляйте про помилки тестування
попередження - Попередження
помилка - Повідомити про помилки
відлагоджувати ‐ Вихід налагодження
повідомлення - Звичайні повідомлення
фатальний - Повідомляйте лише про фатальні помилки
-- авторське право
роздрукувати інформацію про авторські права
-h --допомога
роздрукувати цю довідку
-? --використання
надрукувати коротку довідку
-- версія
надрукувати номер версії та вийти
Обробка
--threads=-1
Максимальна кількість потоків для обробки, це число має бути меншим
або дорівнює кількості ядер логічного процесора в машині. (-1:
автоматична оцінка).Максимальна кількість потоків для обробки,Це
число має бути меншим або дорівнювати кількості ядер логічного процесора в
машина. (-1: автоматична оцінка).
ПЛАГІНИ: 1d/splinekernel
bspline Створення ядра B-сплайна, підтримувані параметри:
d = 3; int в [0, 5]
Ступінь сплайна.
омомс Створення ядра OMoms-spline, підтримувані параметри:
d = 3; int в [3, 3]
Ступінь сплайна.
ПЛАГІНИ: мінімізер/одна вартість
gdas Градієнтний спуск з автоматичною корекцією розміру кроку, підтримувані параметри:
ftolr = 0; подвоїти в [0, inf)
Зупинити, якщо відносна зміна критерію нижче.
максимальний крок = 2; подвоїти (0, inf)
Максимальний абсолютний розмір кроку.
максітер = 200; uint в [1, inf)
Критерій зупинки: максимальна кількість ітерацій.
хв-крок = 0.1; подвоїти (0, inf)
Мінімальний абсолютний розмір кроку.
xtola = 0.01; подвоїти в [0, inf)
Зупиняється, якщо inf-норма зміни, застосованої до x, нижче цього значення.
gdsq Градієнтний спуск з квадратичною оцінкою кроку, підтримувані параметри:
ftolr = 0; подвоїти в [0, inf)
Зупинити, якщо відносна зміна критерію нижче.
gtola = 0; подвоїти в [0, inf)
Зупинити, якщо inf-норма градієнта нижче цього значення.
максітер = 100; uint в [1, inf)
Критерій зупинки: максимальна кількість ітерацій.
масштаб = 2; подвоїти (1, inf)
Запасне фіксоване масштабування розміру кроку.
крок = 0.1; подвоїти (0, inf)
Розмір початкового кроку.
xtola = 0; подвоїти в [0, inf)
Зупинити, якщо inf-норма x-update нижче цього значення.
gsl плагін оптимізатора, заснований на оптимізаторах multimin з Наукової бібліотеки GNU
(GSL) https://www.gnu.org/software/gsl/, підтримувані параметри:
прибуток на акцію = 0.01; подвоїти (0, inf)
оптимізатори на основі градієнта: зупиняються, коли |grad| < eps, симплекс: зупинитися, коли
симплексний розмір < eps..
ітер = 100; uint в [1, inf)
максимальна кількість ітерацій.
вибирати = gd; дикт
Конкретний оптимізатор, який буде використовуватися. Підтримувані значення:
bfgs - Бройден-Флетчер-Голдфарб-Шенн
bfgs2 ‐ Бройден-Флетчер-Голдфарб-Шенн (найефективніша версія)
cg-fr ‐ Алгоритм спряженого градієнта Флечера-Рівза
gd - Градієнтний спуск.
симплекс - Симплексний алгоритм Нелдера і Міда
cg-pr ‐ Алгоритм спряженого градієнта Полака-Ріб’єра
крок = 0.001; подвоїти (0, inf)
початковий розмір кроку.
тол = 0.1; подвоїти (0, inf)
деякий параметр допуску.
nlopt Алгоритми мінімізатора, що використовують бібліотеку NLOPT, для опису
оптимізатори див.http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms', підтримувані параметри:
фтола = 0; подвоїти в [0, inf)
Критерій зупинки: абсолютна зміна цільового значення нижче
це значення.
ftolr = 0; подвоїти в [0, inf)
Критерій зупинки: відносна зміна цільового значення нижче
це значення.
вище = inf; подвійний
Вища межа (рівна для всіх параметрів).
місцевий-опт = немає; dict
локальний алгоритм мінімізації, який може знадобитися для основного
алгоритм мінімізації. Підтримувані значення:
gn-orig-direct-l ‐ Поділ прямокутників (оригінальна реалізація,
локально упереджений)
gn-прямий-l-noscal ‐ Поділ прямокутників (немасштабований, локально зміщений)
гн-ісрес ‐ Покращена стратегія розвитку стохастичного рейтингу
ld-ньютон ‐ Усічений Ньютон
gn-прямий-l-rand ‐ Поділ прямокутників (локально упереджений, рандомізований)
ln-newuoa ‐ Безпохідна оптимізація без обмежень шляхом ітерації
Побудовано квадратичне наближення
gn-прямий-l-rand-noscale ‐ Поділ прямокутників (немасштабований, локально
упереджений, рандомізований)
gn-orig-direct - Поділ прямокутників (оригінальна реалізація)
ld-тнютон-попередня ‐ Попередньо обумовлений усічений Ньютон
ld-tnewton-restart ‐ Усічений Ньютон із перезапуском із найкрутішим спуском
gn-прямий - Ділення прямокутників
Ін-нелдермід - Симплексний алгоритм Нелдера-Міда
лн-кобила ‐ Оптимізація з обмеженнями за допомогою лінійної апроксимації
gn-crs2-lm ‐ Контрольований випадковий пошук з локальною мутацією
ld-var2 ‐ Змінена метрика змінної обмеженої пам’яті, ранг 2
ld-var1 ‐ Змінена метрика змінної обмеженої пам’яті, ранг 1
ld-mma ‐ Метод переміщення асимптот
ld-lbfgs-nocedal - Жодного
ld-lbfgs ‐ BFGS з низьким вмістом
gn-прямий-l ‐ Поділ прямокутників (локально зміщений)
ніхто - не вказувати алгоритм
ln-bobyqa ‐ Оптимізація з обмеженими обмеженнями без похідних
ln-sbplx ‐ Субплексний варіант Nelder-Mead
ln-newuoa зв'язаний ‐ Оптимізація з обмеженими обмеженнями без похідних
Ітеративно побудоване квадратичне наближення
ln-praxis ‐ Локальна оптимізація без градієнтів через головну вісь
Метод
gn-прямо-носальний - Ділення прямокутників (без масштабу)
ld-tnewton-precond-restart ‐ Попередньо обумовлений усічений Ньютон з
перезапуск з найкрутішим спуском
знизити = -inf; подвійний
Нижня межа (рівна для всіх параметрів).
максітер = 100; int в [1, inf)
Критерій зупинки: максимальна кількість ітерацій.
вибирати = ld-lbfgs; дикт
основний алгоритм мінімізації. Підтримувані значення:
gn-orig-direct-l ‐ Поділ прямокутників (оригінальна реалізація,
локально упереджений)
g-mlsl-lds ‐ Багаторівнева одноланкова зв’язка (послідовність з низькою невідповідністю,
потрібна оптимізація та межі на основі локального градієнта)
gn-прямий-l-noscal ‐ Поділ прямокутників (немасштабований, локально зміщений)
гн-ісрес ‐ Покращена стратегія розвитку стохастичного рейтингу
ld-ньютон ‐ Усічений Ньютон
gn-прямий-l-rand ‐ Поділ прямокутників (локально упереджений, рандомізований)
ln-newuoa ‐ Безпохідна оптимізація без обмежень шляхом ітерації
Побудовано квадратичне наближення
gn-прямий-l-rand-noscale ‐ Поділ прямокутників (немасштабований, локально
упереджений, рандомізований)
gn-orig-direct - Поділ прямокутників (оригінальна реалізація)
ld-тнютон-попередня ‐ Попередньо обумовлений усічений Ньютон
ld-tnewton-restart ‐ Усічений Ньютон із перезапуском із найкрутішим спуском
gn-прямий - Ділення прямокутників
ауглаг-екв ‐ Розширений алгоритм Лагранжа з обмеженнями рівності
тільки
Ін-нелдермід - Симплексний алгоритм Нелдера-Міда
лн-кобила ‐ Оптимізація з обмеженнями за допомогою лінійної апроксимації
gn-crs2-lm ‐ Контрольований випадковий пошук з локальною мутацією
ld-var2 ‐ Змінена метрика змінної обмеженої пам’яті, ранг 2
ld-var1 ‐ Змінена метрика змінної обмеженої пам’яті, ранг 1
ld-mma ‐ Метод переміщення асимптот
ld-lbfgs-nocedal - Жодного
g-mlsl ‐ Багаторівнева однозв’язка (вимагають локальної оптимізації та
межі)
ld-lbfgs ‐ BFGS з низьким вмістом
gn-прямий-l ‐ Поділ прямокутників (локально зміщений)
ln-bobyqa ‐ Оптимізація з обмеженими обмеженнями без похідних
ln-sbplx ‐ Субплексний варіант Nelder-Mead
ln-newuoa зв'язаний ‐ Оптимізація з обмеженими обмеженнями без похідних
Ітеративно побудоване квадратичне наближення
ауглаг - Розширений алгоритм Лагранжа
ln-praxis ‐ Локальна оптимізація без градієнтів через головну вісь
Метод
gn-прямо-носальний - Ділення прямокутників (без масштабу)
ld-tnewton-precond-restart ‐ Попередньо обумовлений усічений Ньютон з
перезапуск з найкрутішим спуском
ld-slsqp ‐ Послідовне квадратичне програмування за методом найменших квадратів
крок = 0; подвоїти в [0, inf)
Початковий розмір кроку для методів без градієнта.
СТОП = -inf; подвійний
Критерій зупинки: значення функції падає нижче цього значення.
xtola = 0; подвоїти в [0, inf)
Критерій зупинки: абсолютна зміна всіх значень x нижче цього
value.
xtolr = 0; подвоїти в [0, inf)
Критерій зупинки: відносна зміна всіх значень x нижче цього
value.
приклад
Зареєструйте серію перфузії, надану зображеннями imageXXXX.exr, за допомогою Pseudo Ground Truth
оцінка. Пропустіть два зображення на початку, інакше використовуйте параметри за замовчуванням.
Зберігайте отримані зображення в "regXXXX.exr".
mia-2dgroundtruthreg -i imageXXXX.exr -o regXXXX.exr -k 2
АВТОР(и)
Герт Волний
АВТОРСЬКЕ
Авторське право на це програмне забезпечення (c) 1999-2015, Лейпциг, Німеччина та Мадрид, Іспанія. Воно приходить
без АБСОЛЮТНО НІ ГАРАНТІЙ, і ви можете розповсюджувати його відповідно до умов GNU
ЗАГАЛЬНА ПУБЛІЧНА ЛІЦЕНЗІЯ Версія 3 (або новіша). Для отримання додаткової інформації запустіть програму за допомогою
параметр '--copyright'.
Використовуйте mia-2dgroundtruthreg онлайн за допомогою служб onworks.net