mia-2dmyoica-nonrigid2 - 云端在线

程序：

您的姓名

mia-2dmyoica-nonrigid2 - 运行一系列 2D 图像的配准。

概要

mia-2dmyoica-非刚性2 -i -o [选项]

商品描述

mia-2dmyoica-非刚性2 该程序运行灌注图像的非刚性配准
系列。在每次传递中，首先运行 ICA 分析以估计和消除周期性
运动并创建强度类似于相应的参考图像
原始图像。 然后使用“ssd + divcurl”成本运行非刚性注册
模型。 B 样条 c-rate 和 divcurl 成本权重在每次传递中根据
给定参数。在第一次传递中，LV 心肌周围的边界框可能是
提取以加快计算此实现的特别说明：注册是
始终从原始图像开始运行，以避免插值错误的累积。

配置

文件IO
-i --in-file=（输入，必填）； 细绳
输入灌注数据集

-o --out-file=（输出，需要）； 细绳
输出灌注数据集

-r --registered=注册
已注册字段的文件名库

--保存裁剪=
将裁剪集保存到此文件

--保存功能=
保存分割特征图像和初始 ICA 混合矩阵

ICA的
-C --组件=0
ICA 组件 0 = 自动估计ICA 组件 0 = 自动
估计

--规范化
不要标准化 IC

--no-meanstrip
不要从混合曲线中剥离平均值

-s --segscale=0
分割并缩放 LV 周围的裁剪框（0 = 无分割）段和
在 LV 周围缩放裁剪框（0 = 无分割）

-k --跳过=0
跳过系列开头的图像，例如因为它们属于其他
模式在系列开始时跳过图像，例如因为它们
是其他方式

-m --max-ica-iter=400
ICA 中的最大迭代次数 ICA 中的最大迭代次数

-E --segmethod=功能
分割方法
增量峰值 - 峰值增强图像的差异
功能 - 特征图像
增量特征 - 特征图像的差异

注册
-O -​​-optimizer=gsl:opt=gd,step=0.1
用于最小化的优化器Optimizer used for minimization For
支持的插件见PLUGINS:minimizer/singlecost

-a --start-c-rate=32
刺中的起始系数，除以 --c-rate-divider
刺中的每个 passstart coefficinet 速率，除以 --c-rate-divider
每一次通过

--c-分频器=4
每个通道的有效速率分配器每个通道的有效速率分配器

-d --start-divcurl=20
开始 divcurl 权重，每次通过时除以 --divcurl-divider
divcurl 权重，每次通过时除以 --divcurl-divider

--divcurl-分隔符=4
divcurl 权重缩放每个新的 passdivcurl 权重缩放每个
新的通行证

-w --imageweight=1
图像成本权重图像成本权重

-p --interpolator=bspline:d=3
image interpolator kernelimage interpolator kernel 对于支持的插件
见插件：1d/splinekernel

-l --毫克水平=3
多分辨率级别多分辨率级别

-P --passes=3
注册通行证注册通行证

政策和帮助 & 资料包
-V --verbose=警告
输出的详细程度，打印给定级别和更高优先级的消息。
从最低级别开始支持的优先级是：
info - 低级消息
追踪 - 函数调用跟踪
失败 - 报告测试失败
警告 - 警告
错误 - 报告错误
调试 - 调试输出
的话 - 普通消息
致命 - 只报告致命错误

- 版权
印刷版权信息

-h --帮助
打印此帮助

-？ - 用法
打印一个简短的帮助

- 版
打印版本号并退出

处理中
--线程=-1
用于处理的最大线程数，这个数字应该更低
或等于机器中逻辑处理器内核的数量。 (-1:
自动估计）。用于处理的最大线程数，这
number 应该小于或等于逻辑处理器内核的数量
机器。 （-1：自动估计）。

插件： 一维/样条内核

样条 B-spline kernel创建，支持的参数有：

d = 3; [0, 5] 中的整数
样条度数。

妈妈们 OMoms-spline 内核创建，支持的参数有：

d = 3; [3, 3] 中的整数
样条度数。

插件： 最小化/单一成本

达斯 带自动步长校正的梯度下降，支持的参数有：

福托尔 = 0; 加倍 [0, inf)
如果标准的相对变化低于..

最大步长 = 2; 双输入 (0, inf)
最大绝对步长。

马克西特 = 200; 输入 [1, inf)
停止准则：最大迭代次数。

最小步 = 0.1; 双输入 (0, inf)
最小绝对步长。

托拉 = 0.01; 加倍 [0, inf)
如果应用于 x 的更改的 inf 范数低于此值，则停止。

粤港澳大湾区 带二次步长估计的梯度下降，支持的参数有：

福托尔 = 0; 加倍 [0, inf)
如果标准的相对变化低于..

格托拉 = 0; 加倍 [0, inf)
如果梯度的 inf 范数低于此值，则停止。

马克西特 = 100; 输入 [1, inf)
停止准则：最大迭代次数。

规模 = 2; 双输入 (1, inf)
回退固定步长缩放。

步 = 0.1; 双输入 (0, inf)
初始步长。

托拉 = 0; 加倍 [0, inf)
如果 x-update 的 inf 范数低于此值，则停止。

国标 基于 GNU 科学库的 multimin 优化器的优化器插件
(GSL) https://www.gnu.org/software/gsl/，支持的参数有：

每股收益 = 0.01; 双输入 (0, inf)
基于梯度的优化器：在 |grad| 时停止< eps，单工：停止时
单纯形尺寸 < eps..

ITER = 100; 输入 [1, inf)
最大迭代次数。

选择 = GD; 字典
要使用的特定优化器.. 支持的值是：
BFGS - 布罗伊登-弗莱彻-戈德法布-香恩
BFGS2 - Broyden-Fletcher-Goldfarb-Shann（最有效的版本）
CG-FR - Flecher-Reeves 共轭梯度算法
gd - 梯度下降。
单 - Nelder 和 Mead 的单纯形算法
CG-PR - Polak-Ribiere 共轭梯度算法

步 = 0.001; 双输入 (0, inf)
初始步长。

TOL = 0.1; 双输入 (0, inf)
一些容差参数。

没有 使用 NLOPT 库的最小化算法，用于描述
优化器请参阅'http://ab-
initio.mit.edu/wiki/index.php/NLopt_Algorithms'，支持的参数有：

托拉 = 0; 加倍 [0, inf)
停止准则：目标值的绝对变化低于
这个值。

福托尔 = 0; 加倍 [0, inf)
停止准则：目标值的相对变化低于
这个值。

更高 = inf; 双倍的
更高的边界（对所有参数都相等）。

本地选择 = 无； 字典
主要可能需要的局部最小化算法
最小化算法.. 支持的值是：
gn-orig-直接-l - 分割矩形（原始实现，
局部偏向）
gn-直接-l-noscal - 分割矩形（未缩放，局部偏置）
GN-ISRES - 改进的随机排名演化策略
牛顿 - 截断牛顿
gn-直接-l-兰德 - 分割矩形（局部偏置，随机）
新华 - 通过迭代进行无导数无约束优化
构造二次近似
gn-direct-l-rand-noscale - 分割矩形（未缩放，局部
有偏见的，随机的）
GN-原始直接 - 分割矩形（原始实现）
ld-牛顿-先导 - 预处理截断牛顿
ld-tnewton-重启 - 用最速下降重新开始截断牛顿
gn-直接 - 分割矩形
内尔德米德 - Nelder-Mead 单纯形算法
眼镜蛇 - 线性逼近的约束优化
GN-CRS2-LM - 带有局部变异的受控随机搜索
ld-var2 - 移位的有限内存变量度量，等级 2
ld-var1 - 移位的有限内存变量度量，等级 1
LD-MMA - 移动渐近线的方法
ld-lbfgs-诺塞达尔 - 没有任何
ld-lbfgs ‐ 低存储 BFGS
gn-直接-l - 分割矩形（局部偏置）
没有 - 不要指定算法
恩波比卡 - 无导数有界约束优化
ln-sbpx - Nelder-Mead 的 Subplex 变体
新的绑定 - 无导数有界约束优化
迭代构造的二次近似
实践 - 通过主轴的无梯度局部优化
付款方式
gn-直接-noscal - 分割矩形（未缩放）
ld-tnewton-precond-重新启动 - 预处理截断牛顿与
最速下降重启

降低 = -inf; 双倍的
下边界（对所有参数都相等）。

马克西特 = 100; [1, inf) 中的整数
停止准则：最大迭代次数。

选择 = ld-lbfgs; 字典
主要的最小化算法。 支持的值是：
gn-orig-直接-l - 分割矩形（原始实现，
局部偏向）
g-mlsl-lds ‐ 多级单联动（低差异序列，
需要基于局部梯度的优化和边界）
gn-直接-l-noscal - 分割矩形（未缩放，局部偏置）
GN-ISRES - 改进的随机排名演化策略
牛顿 - 截断牛顿
gn-直接-l-兰德 - 分割矩形（局部偏置，随机）
新华 - 通过迭代进行无导数无约束优化
构造二次近似
gn-direct-l-rand-noscale - 分割矩形（未缩放，局部
有偏见的，随机的）
GN-原始直接 - 分割矩形（原始实现）
ld-牛顿-先导 - 预处理截断牛顿
ld-tnewton-重启 - 用最速下降重新开始截断牛顿
gn-直接 - 分割矩形
奥拉格-eq - 具有等式约束的增广拉格朗日算法
仅由
内尔德米德 - Nelder-Mead 单纯形算法
眼镜蛇 - 线性逼近的约束优化
GN-CRS2-LM - 带有局部变异的受控随机搜索
ld-var2 - 移位的有限内存变量度量，等级 2
ld-var1 - 移位的有限内存变量度量，等级 1
LD-MMA - 移动渐近线的方法
ld-lbfgs-诺塞达尔 - 没有任何
g-mlsl ‐ 多级单联动（需要局部优化和
界）
ld-lbfgs ‐ 低存储 BFGS
gn-直接-l - 分割矩形（局部偏置）
恩波比卡 - 无导数有界约束优化
ln-sbpx - Nelder-Mead 的 Subplex 变体
新的绑定 - 无导数有界约束优化
迭代构造的二次近似
奥格拉格 - 增广拉格朗日算法
实践 - 通过主轴的无梯度局部优化
付款方式
gn-直接-noscal - 分割矩形（未缩放）
ld-tnewton-precond-重新启动 - 预处理截断牛顿与
最速下降重启
ld-slsqp ‐ 顺序最小二乘二次规划

步 = 0; 加倍 [0, inf)
无梯度方法的初始步长。

停止 = -inf; 双倍的
停止准则：函数值低于该值。

托拉 = 0; 加倍 [0, inf)
停止准则：所有 x 值的绝对变化都低于此
计算值。

克托尔 = 0; 加倍 [0, inf)
停止准则：所有 x 值的相对变化都低于此
计算值。

例

使用自动 ICA 估计注册“segment.set”中给出的灌注系列。
跳过开头的两张图片，否则使用默认参数。 存储
结果是'registered.set'。

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

作者

格特·沃尔尼

版权

本软件版权所有 (c) 1999-2015 德国莱比锡和西班牙马德里。 它来了
绝对没有保证，您可以根据 GNU 的条款重新分发它
通用公共许可证版本 3（或更高版本）。 有关更多信息，请使用
选项“--版权”。

使用 onworks.net 服务在线使用 mia-2dmyoica-nonrigid2