医学图像配准工具总结

最新推荐文章于 2024-12-20 11:33:16 发布

新酱2021

最新推荐文章于 2024-12-20 11:33:16 发布

阅读量1.6k

点赞数 2

分类专栏： elastix 文章标签：人工智能计算机视觉算法

本文链接：https://blog.csdn.net/qq_21760651/article/details/123508512

版权

本文总结了三种医学图像配准工具：elastix、ANTs 和 NiftyReg。elastix提供丰富的模块算法，包括多种相似性度量、变换、优化方法等；ANTs则支持较少但基础的配准算法；NiftyReg分为aladin、非刚性自由变形和reg resample三部分。elastix的自适应随机梯度下降法和多分辨率策略受到官方推荐。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

医学图像配准工具总结

一、elastix

参考paper《elastix_A_Toolbox_for_Intensity-Based_Medical_Image_Registration》
源码：https://github.com/SuperElastix/elastix
整体配准框架
在这里插入图片描述

1、各个模块算法

1、cost function
measure the similarity between the fixedimage and moving image，inlcudding：
mean square difference（MSD）、normalized correlation（NC）、mutual information（MI）、normalized MI（NMI）、α-MI、k-statistic
备注：MSD适用于强度相等的图像，即同模态的图像
MI NMI α-MI 适用于多峰图像对
2、transformation
parametrization of the corrdinate transformation ，including：
translation、rigid（translation and rotation）、similarity（rigid plus isotropic scaling）、affin