mia-2dmyoica-nonrigid2 - Trực tuyến trên Đám mây

CHƯƠNG TRÌNH:

TÊN

mia-2dmyoica-nonrigid2 - Chạy đăng ký một loạt hình ảnh 2D.

SYNOPSIS

mia-2dmyoica-nonrigid2 -i -o [tùy chọn]

MÔ TẢ

mia-2dmyoica-nonrigid2 Chương trình này chạy đăng ký không cứng nhắc của một hình ảnh tưới máu
Trong mỗi lần vượt qua, trước tiên, một phân tích ICA được chạy để ước tính và loại bỏ
chuyển động và tạo hình ảnh tham chiếu có cường độ tương tự như
ảnh gốc. Sau đó, đăng ký không cứng nhắc sẽ được chạy bằng chi phí "ssd + divcurl"
người mẫu. Tỷ lệ B-spline c và trọng số chi phí divcurl được thay đổi trong mỗi lần vượt qua
đến các tham số nhất định. trong hộp đầu tiên vượt qua một hộp giới hạn xung quanh cơ tim LV có thể là
đã trích xuất để tăng tốc độ tính toán Lưu ý đặc biệt đối với sự cố gắng này: đăng ký là
luôn chạy từ ảnh gốc để tránh tích tụ các lỗi nội suy.

LỰA CHỌN

Tệp-IO
-i --in-file = (đầu vào, bắt buộc); dây
đầu vào bộ dữ liệu tưới máu

-o --out-file = (đầu ra, bắt buộc); dây
tập dữ liệu tưới máu đầu ra

-r --registered = reg
cơ sở tên tệp cho các loại sợi đã đăng ký

--save-crop =
lưu tập hợp đã cắt vào tệp này

--save-feature =
lưu hình ảnh tính năng phân đoạn và ma trận trộn ICA ban đầu

ICE
-C --components = 0
Các thành phần ICA 0 = ước tính tự động Các thành phầnICA 0 = tự động
ước lượng

- chuẩn hóa
không chuẩn hóa IC

--không có nghĩa vụ
đừng loại bỏ ý nghĩa khỏi các đường cong trộn

-s --segscale = 0
phân đoạn và chia tỷ lệ hộp cắt xung quanh phân đoạn LV (0 = không phân đoạn) và
chia tỷ lệ hộp cắt xung quanh LV (0 = không phân đoạn)

-k --skip = 0
bỏ qua các hình ảnh ở đầu chuỗi, ví dụ như vì chúng là các hình ảnh khác
hình ảnh modalitiesskip ở đầu sê-ri, ví dụ như vì khi họ
là các phương thức khác

-m --max-ica-iter = 400
số lần lặp tối đa trong ICA Số lần lặp tối đa trong ICA

-E --segmethod = tính năng
Phương pháp phân đoạn
đỉnh đồng bằng - sự khác biệt của các hình ảnh nâng cao đỉnh cao
Tính năng, đặc điểm - hình ảnh nổi bật
đặc điểm đồng bằng - sự khác biệt của các hình ảnh tính năng

Đăng Ký
-O --optimizer = gsl: opt = gd, step = 0.1
Trình tối ưu hóa được sử dụng để thu nhỏ Trình tối ưu hóa được sử dụng để thu nhỏ Đối với
các plugin được hỗ trợ xem PLUGINS: Minimzer / singlecost

-a --start-c-rate = 32
tỷ lệ hệ số bắt đầu trong gai, được chia cho --c-rate-divider với
mỗi tỷ lệ hệ số khởi động bằng gai, được chia cho --c-rate-divider
với mỗi lần vượt qua

--c-rate-divider = 4
bộ chia tỷ lệ hiệu quả cho mỗi bộ chia tỷ lệ đạt hiệu quả cho mỗi lần vượt qua

-d --start-divcurl = 20
start divcurl weight, được chia bởi --divcurl-divider với mọi passstart
trọng số divcurl, được chia cho --divcurl-divider với mỗi lần vượt qua

--divcurl-divider = 4
chia tỷ lệ trọng số divcurl với mỗi tỷ lệ trọng số passdivcurl mới với mỗi
pass mới

-w - trọng lượng hình ảnh = 1
chi phí hình ảnh cân nặng

-p --interpolator = bspline: d = 3
nhân nội suy hình ảnh kernelimage nội suy Đối với các plugin được hỗ trợ
xem PLUGINS: 1d / splinekernel

-l --mg-mức = 3
nhiều cấp độ phân giải đa cấp độ phân giải

-P --passes = 3
đăng ký đăng ký thông qua

Trợ giúp & Thông tin
-V --verbose = cảnh báo
tính chi tiết của đầu ra, in các thông báo ở cấp độ đã cho và mức độ ưu tiên cao hơn.
Các ưu tiên được hỗ trợ bắt đầu từ cấp thấp nhất là:
Thông tin - Tin nhắn cấp thấp
theo dõi - Chức năng theo dõi cuộc gọi
không - Báo cáo lỗi kiểm tra
cảnh báo - Cảnh báo
lôi - Báo cáo lỗi
gỡ lỗi - Đầu ra gỡ lỗi
tin nhắn - Tin nhắn bình thường
gây tử vong - Chỉ báo cáo các lỗi nghiêm trọng

- bản quyền
in thông tin bản quyền

-h - trợ giúp
in cái này giúp

-? --sử dụng
in một trợ giúp ngắn

--phiên bản
in số phiên bản và thoát

Chế biến
--threads = -1
Số luồng tối đa cần sử dụng để xử lý, Con số này phải thấp hơn
hoặc bằng số lõi xử lý logic trong máy. (-1:
ước tính tự động). Số luồng tối đa để sử dụng để xử lý, Điều này
số phải thấp hơn hoặc bằng số lõi bộ xử lý logic trong
máy. (-1: ước tính tự động).

BỔ SUNG: 1d / splinekernel

đường bspline Tạo hạt nhân B-spline, các tham số được hỗ trợ là:

d = 3; int trong [0, 5]
Spline độ.

mẹ Tạo hạt nhân OMoms-spline, các tham số được hỗ trợ là:

d = 3; int trong [3, 3]
Spline độ.

BỔ SUNG: bộ giảm thiểu / chi phí đơn

gda Gradient descent với hiệu chỉnh kích thước bước tự động., Các thông số được hỗ trợ là:

ftolr = 0; nhân đôi trong [0, inf)
Dừng lại nếu bên dưới có sự thay đổi tương đối của tiêu chí ..

bước tối đa = 2; nhân đôi trong (0, inf)
Kích thước bước tối đa tuyệt đối.

tối đa = 200; uint trong [1, inf)
Tiêu chí dừng: số lần lặp tối đa.

bước tối thiểu = 0.1; nhân đôi trong (0, inf)
Kích thước bước tuyệt đối tối thiểu.

xtola = 0.01; nhân đôi trong [0, inf)
Dừng lại nếu giá trị thay đổi áp dụng cho x thấp hơn giá trị này ..

gdsq Gradient descent với ước tính bước bậc hai, các tham số được hỗ trợ là:

ftolr = 0; nhân đôi trong [0, inf)
Dừng lại nếu bên dưới có sự thay đổi tương đối của tiêu chí ..

gtola = 0; nhân đôi trong [0, inf)
Dừng lại nếu thông số của gradient thấp hơn giá trị này ..

tối đa = 100; uint trong [1, inf)
Tiêu chí dừng: số lần lặp tối đa.

tỉ lệ = 2; nhân đôi trong (1, inf)
Dự phòng chia tỷ lệ kích thước bước cố định.

bước = 0.1; nhân đôi trong (0, inf)
Kích thước bước ban đầu.

xtola = 0; nhân đôi trong [0, inf)
Dừng nếu thông tin cập nhật x thấp hơn giá trị này ..

gsl plugin tối ưu hóa dựa trên các trình tối ưu hóa nhiều phút của Thư viện Khoa học GNU
(GSL) https://www.gnu.org/software/gsl/, các tham số được hỗ trợ là:

eps = 0.01; nhân đôi trong (0, inf)
tối ưu hóa dựa trên gradient: dừng khi | grad | <eps, simplex: dừng khi
kích thước đơn giản <eps ..

lặp đi lặp lại = 100; uint trong [1, inf)
số lần lặp tối đa.

opt = gd; mệnh lệnh
Trình tối ưu hóa cụ thể sẽ được sử dụng .. Các giá trị được hỗ trợ là:
bạn thân - Broyden-Fletcher-Goldfarb-Shann
bạn trai2 - Broyden-Fletcher-Goldfarb-Shann (phiên bản hiệu quả nhất)
cg-fr - Thuật toán gradient liên hợp Flecher-Reeves
gd - Xuống dốc.
đơn giản - Thuật toán Simplex của Nelder và Mead
cg-pr - Thuật toán gradient liên hợp Polak-Ribiere

bước = 0.001; nhân đôi trong (0, inf)
kích thước bước ban đầu.

tol = 0.1; nhân đôi trong (0, inf)
một số thông số dung sai.

nlop Các thuật toán thu nhỏ sử dụng thư viện NLOPT, để mô tả
trình tối ưu hóa vui lòng xem 'http://ab-
Initio.mit.edu/wiki/index.php/NLopt_Algorithm ', các tham số được hỗ trợ là:

ftola = 0; nhân đôi trong [0, inf)
Tiêu chí dừng: sự thay đổi tuyệt đối của giá trị mục tiêu là bên dưới
giá trị này.

ftolr = 0; nhân đôi trong [0, inf)
Tiêu chí dừng: sự thay đổi tương đối của giá trị mục tiêu là bên dưới
giá trị này.

cao hơn = inf; kép
Ranh giới cao hơn (bằng nhau cho tất cả các tham số).

tùy chọn cục bộ = không có; mệnh lệnh
thuật toán giảm thiểu cục bộ có thể được yêu cầu cho chính
thuật toán tối thiểu hóa .. Các giá trị được hỗ trợ là:
gn-orig-direct-l - Hình chữ nhật phân chia (triển khai ban đầu,
thiên vị cục bộ)
gn-trực tiếp-l-noscal - Hình chữ nhật phân chia (không chia tỷ lệ, thiên vị cục bộ)
gn-isres - Cải thiện Chiến lược Tiến hóa Xếp hạng Stochastic
ld-tnewton - Newton đã cắt ngắn
gn-trực tiếp-l-rand - Hình chữ nhật phân chia (thiên vị cục bộ, ngẫu nhiên)
ln-newuoa - Không có phái sinh Tối ưu hóa không bị ràng buộc bằng cách lặp lại
Xấp xỉ bậc hai có cấu trúc
gn-direct-l-rand-noscale - Hình chữ nhật phân chia (không chia tỷ lệ, cục bộ
thiên vị, ngẫu nhiên)
gn-orig-trực tiếp - Hình chữ nhật phân chia (triển khai ban đầu)
ld-tnewton-precond - Newton cắt ngắn điều chỉnh trước
ld-tnewton-khởi động lại - Newton bị cắt ngắn với khởi động lại đoạn dốc nhất
gn-trực tiếp - Chia hình chữ nhật
ln-neldermead - Thuật toán đơn giản Nelder-Mead
ln-cobyla - Tối ưu hóa Ràng buộc BẰNG Phương pháp Xấp xỉ Tuyến tính
gn-crs2-lm - Tìm kiếm ngẫu nhiên có kiểm soát với đột biến cục bộ
ld-var2 - Đã thay đổi chỉ số biến bộ nhớ giới hạn, xếp hạng 2
ld-var1 - Đã thay đổi chỉ số biến bộ nhớ giới hạn, xếp hạng 1
ld-mma - Phương pháp di chuyển Asymptotes
ld-lbfgs-nocedal - Không có
ld-lbfgs - BFGS lưu trữ thấp
gn-trực tiếp-l - Hình chữ nhật phân chia (thiên vị cục bộ)
không ai - không chỉ định thuật toán
ln-bobyqa - Tối ưu hóa ràng buộc giới hạn không phái sinh
ln-sbplx - Biến thể Subplex của Nelder-Mead
ln-newuoa-ràng buộc - Tối ưu hóa giới hạn ràng buộc không phái sinh bởi
Xấp xỉ bậc hai được xây dựng lặp lại
trong thực tế - Tối ưu hóa cục bộ không có Gradient qua trục chính
Phương pháp
gn-trực tiếp-nosca - Hình chữ nhật phân chia (không chia tỷ lệ)
ld-tnewton-precond-khởi động lại - Newton được cắt bỏ điều kiện trước với
khởi động lại dốc nhất

thấp hơn = -inf; kép
Biên dưới (bằng nhau cho tất cả các tham số).

tối đa = 100; int trong [1, inf)
Tiêu chí dừng: số lần lặp tối đa.

opt = ld-lbfgs; mệnh lệnh
thuật toán tối thiểu hóa chính. Các giá trị được hỗ trợ là:
gn-orig-direct-l - Hình chữ nhật phân chia (triển khai ban đầu,
thiên vị cục bộ)
g-mlsl-lds - Liên kết đơn đa cấp (trình tự khác biệt thấp,
yêu cầu tối ưu hóa dựa trên gradient cục bộ và giới hạn)
gn-trực tiếp-l-noscal - Hình chữ nhật phân chia (không chia tỷ lệ, thiên vị cục bộ)
gn-isres - Cải thiện Chiến lược Tiến hóa Xếp hạng Stochastic
ld-tnewton - Newton đã cắt ngắn
gn-trực tiếp-l-rand - Hình chữ nhật phân chia (thiên vị cục bộ, ngẫu nhiên)
ln-newuoa - Không có phái sinh Tối ưu hóa không bị ràng buộc bằng cách lặp lại
Xấp xỉ bậc hai có cấu trúc
gn-direct-l-rand-noscale - Hình chữ nhật phân chia (không chia tỷ lệ, cục bộ
thiên vị, ngẫu nhiên)
gn-orig-trực tiếp - Hình chữ nhật phân chia (triển khai ban đầu)
ld-tnewton-precond - Newton cắt ngắn điều chỉnh trước
ld-tnewton-khởi động lại - Newton bị cắt ngắn với khởi động lại đoạn dốc nhất
gn-trực tiếp - Chia hình chữ nhật
auglag-eq - Thuật toán Lagrangian tăng cường với các ràng buộc bình đẳng
có thể
ln-neldermead - Thuật toán đơn giản Nelder-Mead
ln-cobyla - Tối ưu hóa Ràng buộc BẰNG Phương pháp Xấp xỉ Tuyến tính
gn-crs2-lm - Tìm kiếm ngẫu nhiên có kiểm soát với đột biến cục bộ
ld-var2 - Đã thay đổi chỉ số biến bộ nhớ giới hạn, xếp hạng 2
ld-var1 - Đã thay đổi chỉ số biến bộ nhớ giới hạn, xếp hạng 1
ld-mma - Phương pháp di chuyển Asymptotes
ld-lbfgs-nocedal - Không có
g-mlsl - Liên kết đơn đa cấp (yêu cầu tối ưu hóa cục bộ và
giới hạn)
ld-lbfgs - BFGS lưu trữ thấp
gn-trực tiếp-l - Hình chữ nhật phân chia (thiên vị cục bộ)
ln-bobyqa - Tối ưu hóa ràng buộc giới hạn không phái sinh
ln-sbplx - Biến thể Subplex của Nelder-Mead
ln-newuoa-ràng buộc - Tối ưu hóa giới hạn ràng buộc không phái sinh bởi
Xấp xỉ bậc hai được xây dựng lặp lại
Auglag - Thuật toán Lagrangian tăng cường
trong thực tế - Tối ưu hóa cục bộ không có Gradient qua trục chính
Phương pháp
gn-trực tiếp-nosca - Hình chữ nhật phân chia (không chia tỷ lệ)
ld-tnewton-precond-khởi động lại - Newton được cắt bỏ điều kiện trước với
khởi động lại dốc nhất
ld-slsqp - Lập trình bậc hai ít nhất bình phương tuần tự

bước = 0; nhân đôi trong [0, inf)
Kích thước bước ban đầu cho các phương pháp miễn phí gradient.

dừng lại = -inf; kép
Tiêu chí dừng: giá trị hàm giảm xuống dưới giá trị này.

xtola = 0; nhân đôi trong [0, inf)
Tiêu chí dừng: sự thay đổi tuyệt đối của tất cả các giá trị x nằm dưới mức này
giá trị.

xtolr = 0; nhân đôi trong [0, inf)
Tiêu chí dừng: sự thay đổi tương đối của tất cả các giá trị x nằm dưới mức này
giá trị.

THÍ DỤ

Đăng ký chuỗi truyền dịch được đưa ra trong 'segment.set' bằng cách sử dụng ước tính ICA tự động.
Bỏ qua hai hình ảnh ở đầu và các hình ảnh khác chúng ta sử dụng các thông số mặc định. Lưu trữ
kết quả là 'register.set'.

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

(Các) TÁC GIẢ

Gert Wollny

BẢN QUYỀN

Phần mềm này là Bản quyền (c) 1999‐2015 Leipzig, Đức và Madrid, Tây Ban Nha. Nó đến
với TUYỆT ĐỐI KHÔNG CÓ BẢO HÀNH và bạn có thể phân phối lại nó theo các điều khoản của GNU
GIẤY PHÉP CÔNG CỘNG CHUNG Phiên bản 3 (hoặc mới hơn). Để biết thêm thông tin, hãy chạy chương trình với
tùy chọn '--copyright'.

Sử dụng mia-2dmyoica-nonrigid2 trực tuyến bằng các dịch vụ onworks.net