Configuración de métricas de información mutua de Mattes
Un objeto describe una configuración de métrica de información mutua que se pasa a la función para resolver problemas de registro de imágenes.MattesMutualInformation
imregister
Puede crear un objeto utilizando los métodos siguientes:MattesMutualInformation
— Devuelve un objeto emparejado con un optimizador adecuado para registrar imágenes multimodalesimregconfig
MattesMutualInformation
Al introducir en la línea de comandos se crea un objeto con la configuración predeterminada
metric = registration.metric.MattesMutualInformation;
MattesMutualInformation
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);
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]
[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.