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

MattesMutualInformation

La configuración métrica 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 entrar en la línea de comando se crea un objeto con la configuración predeterminada

    metric = registration.metric.MattesMutualInformation;
    MattesMutualInformation

Propiedades

expandir todo

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 registro son más reproducibles (a costa del rendimiento) a medida que aumenta este valor. sólo utiliza cuando ().imregisterNumberOfSpatialSamplesUseAllPixels = 0false

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

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 articular.NumberOfHistogramBinsimregister El valor mínimo es.5

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

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 aleatorios que se usan para calcular la métrica.UseAllPixels = 0NumberOfSpatialSamplesimregister Los resultados de su registro podrían no ser reproducibles cuando.UseAllPixels = 0 Esto se debe a que selecciona un subconjunto aleatorio de píxeles de las imágenes para calcular la métrica.imregister

Ejemplos

contraer todo

Crear un objeto y utilizarlo para registrar dos imágenes de RMN de una rodilla que se obtuvieron utilizando diferentes protocolos.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');

Ver 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 

Sintonice las propiedades del optimizador para que el problema converja en un maxima 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);

Visualiza las imágenes registradas.

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

Sugerencias

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

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

Algoritmos

Las métricas de información mutua son técnicas de teoría de la información para medir cómo se relacionan dos variables. Estos algoritmos utilizan la distribución de probabilidad conjunta de un muestreo de píxeles a partir 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 parecidas son las imágenes. La alta información mutua implica una gran reducción de la incertidumbre (entropía) entre las dos distribuciones, señalando que es probable que las imágenes estén mejor alineadas.

El algoritmo de información mutua de Mattes utiliza un único conjunto de ubicaciones de píxeles para la duración de 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 bins utilizados para calcular la entropía son ambos seleccionable por el usuario. La función de densidad de probabilidad marginal y articular se evalúa en las bandejas espaciadas uniformemente utilizando las muestras. Los valores de entropía se calculan sumando las ubicaciones. Los kernels B-spline de orden cero y de 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.

Introducido en R2012a