图像配准常用评价方法

本博客是学习的Elastx官方文档的摘抄，感兴趣可前往https://elastix.lumc.nl/index.php查看
或者下载Elastix文档查看https://download.csdn.net/download/Joker00007/13757991

1.MSE(均方差)

2.NCC(归一化相关系数)

3.MI(互信息)

4.NMI(标准化互信息)

5.KS(卡帕统计)

6.目标配准误差（TRE）

医学图像中术语目标（target） 用于表示与配准直接相关的配准点，在医学应用中，它们通常是位于手术期间要切除的病变内或边界上的点，或是出于诊断目的而要检查的功能活动区域。目标误差即表示同一个标定点在两幅图像中的差异。

FLE: 即定位基准点的误差
FRE: 配准后相应基准点之间的均方根距离
TRE: 配准后基准点以外的相应点之间的距离

在计算TRE时，“目标”可以是预定义的位置（基准点或landmark），表面点或感兴趣区域内的任意选择点。在计算3-D图像TRE时，通常建议计算他们的平均值。对于规则网格（均匀分布）上固定的3-D点，需要用金标准的点和配准后转换过的点计算他们的距离。
随着技术的发展，TRE的计算方式也有许多改进。简单来说，就是计算原先的点和配准后的点的欧氏距离，再计算其均值和方差。

总结

MSD度量是一种仅适用于具有相等强度分布的两个图像的度量，即来自相同模态的图像。
NCC相对宽松，它假设固定图像和运动图像的强度值之间存在线性关系，因此可以更频繁地使用。
MI度量更加普遍:仅假设固定图像和运动图像的强度的概率分布之间的关系。众所周知，对于多模态图像，它不仅适用于单模态图像，也适用于多模态图像对，这种方法通常是图像配准的好选择。
NMI度量就像MI一样，适用于单模态和多模态配准。
KS测量特别意味着记录二进制图像(分割)。它测量分段的“重叠”。