Диффеоморфная регистрация с использованием геодезической стрельбы и оптимизации методом Гаусса—Ньютона

Diffeomorphic registration using geodesic shooting and Gauss–Newton optimisation
John Ashburner, Karl Friston
2011-01-08

оптимизация Гаусса–Ньютонаметрическое отображение диффеоморфизмов больших деформацийдиффеоморфная регистрация изображенийгеодезическая стрельбавручную размеченные наборы данных
В статье представлен алгоритм нелинейной регистрации изображений, основанный на методе метрического отображения диффеоморфизмов с большими деформациями (Large Deformation Diffeomorphic Metric Mapping, LDDMM), но использующий более эффективную схему оптимизации — как с точки зрения требуемого объёма памяти, так и с точки зрения числа итераций, необходимых для достижения сходимости. Вместо вариационной оптимизации последовательности полей скоростей алгоритм сформулирован с использованием процедуры геодезической стрельбы, благодаря чему оценивается только начальная скорость. Для ускорения сходимости применяется стратегия оптимизации методом Гаусса—Ньютона. Алгоритм был протестирован на общедоступных наборах данных с ручной разметкой и показал хорошие результаты по сравнению с другими алгоритмами межсубъектной регистрации, оценёнными на тех же данных.
1
Стратегия оптимизации Гаусса—Ньютона обеспечивает более быструю сходимость за меньшее число итераций.
2
Оценка на общедоступных вручную размеченных наборах данных показала благоприятные результаты по сравнению с другими алгоритмами межсубъектной регистрации на тех же данных.
3
Представлен алгоритм нелинейной регистрации изображений в рамках LDDMM, использующий геодезическую стрельбу для оценки только начального поля скоростей.
4
Такая формулировка снижает требования к памяти по сравнению с вариационной оптимизацией последовательности полей скоростей.

нелинейная межсубъектная регистрация изображений в рамках Large Deformation Diffeomorphic Metric Mapping (LDDMM)

эффективность и сходимость диффеоморфной регистрации с использованием геодезической стрельбы и оптимизации Гаусса—Ньютона, включая требования к памяти и число итераций

Publication Details
Publication Date
2011-01-08
Journal
Publisher
ISSN
Access Type
Author Information
Authors
John Ashburner
Karl Friston
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%