Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

MattesMutualInformation

Configuración de métricas de información mutua de Mattes

Descripción

Un objeto describe una configuración de métrica de información mutua que se pasa a la función para resolver problemas de registro de imágenes.MattesMutualInformationimregister

Creación

Puede crear un objeto utilizando los métodos siguientes:MattesMutualInformation

• — Devuelve un objeto emparejado con un optimizador adecuado para registrar imágenes multimodalesimregconfigMattesMutualInformation

• Al introducir en la línea de comandos se crea un objeto con la configuración predeterminada

  metric = registration.metric.MattesMutualInformation;

  MattesMutualInformation

Propiedades

NumberOfSpatialSamples — Número de muestras espaciales utilizadas para calcular la métrica de información mutua

500 (predeterminado) | scalar entero positivo

Número de muestras espaciales utilizadas para calcular la métrica de información mutua, especificada como un escalar entero positivo. define el número de píxeles aleatorios que se utiliza para calcular la métrica.NumberOfSpatialSamplesimregister Los resultados de su registro son más reproducibles (a costa de rendimiento) a medida que aumenta este valor. sólo se utiliza cuando ( ).imregisterNumberOfSpatialSamplesUseAllPixels = 0false

Tipos de datos: double | single | uint8 | uint16 | uint32 | uint64 | int8 | int16 | int32 | int64

NumberOfHistogramBins — Número de bins de histograma utilizados para calcular la métrica de información mutua

50 (predeterminado) | scalar entero positivo

Número de bins de histograma utilizados para calcular la métrica de información mutua, especificada como un escalar entero positivo. define el número de bins que se utiliza para calcular el histograma de distribución de juntas.NumberOfHistogramBinsimregister El valor mínimo es .5

Tipos de datos: double | single | uint8 | uint16 | uint32 | uint64 | int8 | int16 | int32 | int64

UseAllPixels — Opción de incluir todos los píxeles en la región de superposición al calcular la métrica de información mutua

1 (true) (predeterminado) | escalar lógico

Opción para calcular la métrica utilizando todos los píxeles de la región de superposición de las imágenes al calcular la métrica de información mutua, especificada como un escalar lógico.

Puede lograr un rendimiento significativamente mejor si establece esta propiedad en ( ).0false Cuando , la propiedad controla el número de ubicaciones de píxeles aleatorias que se utiliza para calcular la métrica.UseAllPixels = 0NumberOfSpatialSamplesimregister Es posible que los resultados de su registro no sean reproducibles cuando .UseAllPixels = 0 Esto se debe a que selecciona un subconjunto aleatorio de píxeles de las imágenes para calcular la métrica.imregister

Ejemplos

Registrar imágenes con Mattes Mutual Information Metric

Cree un objeto y utilícelo para registrar dos imágenes de RMN de una rodilla que se obtuvieron utilizando protocolos diferentes.MattesMutualInformation

Lea las imágenes en el espacio de trabajo. Las imágenes son multimodales porque tienen diferente brillo y contraste.

fixed  = dicomread('knee1.dcm'); moving = dicomread('knee2.dcm');

Vea las imágenes desalineadas.

figure imshowpair(fixed, moving,'Scaling','joint');

Cree el objeto de configuración del optimizador adecuado para registrar imágenes multimodales.

optimizer = registration.optimizer.OnePlusOneEvolutionary;

Cree el objeto de configuración de métricas adecuado para registrar imágenes multimodales.

metric = registration.metric.MattesMutualInformation

metric =    registration.metric.MattesMutualInformation    Properties:     NumberOfSpatialSamples: 500      NumberOfHistogramBins: 50               UseAllPixels: 1 

Ajuste las propiedades del optimizador para que el problema converja en un máximo global. Aumente el número de iteraciones que utilizará el optimizador para resolver el problema.

optimizer.InitialRadius = 0.009; optimizer.Epsilon = 1.5e-4; optimizer.GrowthFactor = 1.01; optimizer.MaximumIterations = 300;

Realice el registro.

movingRegistered = imregister(moving,fixed,'affine',optimizer,metric);

Ver las imágenes registradas.

figure imshowpair(fixed, movingRegistered,'Scaling','joint');

Sugerencias

• Los valores más grandes de información mutua corresponden a mejores resultados de registro. Puede examinar los valores calculados de la información mutua de Mattes si habilita al llamar a , por ejemplo:'DisplayOptimization'imregister

  movingRegistered = imregister(moving,fixed,'rigid',optimizer,metric,'DisplayOptimization',true);

Algoritmos

Las métricas de información mutua son técnicas teóricos de la información para medir cómo están las dos variables relacionadas. Estos algoritmos utilizan la distribución de probabilidad conjunta de un muestreo de píxeles de dos imágenes para medir la certeza de que los valores de un conjunto de píxeles se asignan a valores similares en la otra imagen. Esta información es una medida cuantitativa de cuán similares son las imágenes. La alta información mutua implica una gran reducción de la incertidumbre (entropía) entre las dos distribuciones, lo que indica que las imágenes probablemente estén mejor alineadas.

El algoritmo de información mutua Mattes utiliza un único conjunto de ubicaciones de píxeles durante la optimización, en lugar de dibujar un nuevo conjunto en cada iteración. El número de muestras utilizadas para calcular las estimaciones de densidad de probabilidad y el número de ubicaciones utilizadas para calcular la entropía son seleccionables por el usuario. La función de densidad de probabilidad marginal y conjunta se evalúa en los contenedores espaciados uniformemente utilizando las muestras. Los valores de entropía se calculan sumando sobre las ubicaciones. Los kernels B-spline de orden cero y tercer orden se utilizan para calcular las funciones de densidad de probabilidad de las imágenes fijas y en movimiento, respectivamente.[1]

Referencias

[1] Rahunathan, Smriti, D. Stredney, P. Schmalbrock, and B.D. Clymer. Image Registration Using Rigid Registration and Maximization of Mutual Information. Poster presented at: MMVR13. The 13th Annual Medicine Meets Virtual Reality Conference; 2005 January 26–29; Long Beach, CA.

[2] D. Mattes, D.R. Haynor, H. Vesselle, T. Lewellen, and W. Eubank. "Non-rigid multimodality image registration." (Proceedings paper).Medical Imaging 2001: Image Processing. SPIE Publications, 3 July 2001. pp. 1609–1620.

Consulte también

Funciones

• imregconfig | imregister

Objetos

• MeanSquares | OnePlusOneEvolutionary | RegularStepGradientDescent

Temas

• Crear un optimizador y una métrica para el registro de imágenes basadas en intensidad

Introducido en R2012a

×

Abrir ejemplo

Existe una versión modificada de este ejemplo en su sistema. ¿Prefiere abrir esta versión?

No, sobrescribir la versión modificada Sí