SPM - Coregistered整理_spm registration-CSDN博客

本文链接：https://blog.csdn.net/yuxing55555/article/details/144191099

Coregistered

相关文件: spm_cfg_coreg.m

Coregister: Estimate & Reslice

使用刚体模型和图像重新切片进行受试者内配准。

此处使用的配准方法基于 Collignon 等人的工作。本文中描述的原始插值方法已被更改，以便提供更平滑的成本函数。图像也略微平滑，直方图也是如此。这一切都是为了让成本函数尽可能平滑，从而实现更快的收敛并减少出现局部最小值的机会。

在配准结束时，将显示体素到体素的仿射变换矩阵，以及原始方向和最终方向的图像直方图。配准的图像显示在底部。

请注意，Coreg 仅尝试在图像之间进行刚性对齐。fMRI 往往具有较大的扭曲，仅靠刚性对齐无法纠正。在将失真的 fMRI 与相对未失真的解剖扫描（例如 MPRAGE）对齐时，SPM 软件中尚无任何功能可以纠正这种失真。

配准参数存储在“源”和“其他”图像的标题中。这些图像也被重新切片以与源图像逐个像素匹配。重新切片的图像名称与原始图像相同，只是它们以“r”为前缀。

Reference Image

这是假定保持静止的图像（有时称为目标或模板图像），而源图像则移动以匹配它。

Source Image

这是为了与参考图像最佳匹配而进行抖动的图像

Other Images

这些是需要与源图像保持对齐的任何图像。

Estimation Options

各种配准选项，传递给 Powell 优化算法.

Objective Function

配准涉及寻找最大化或最小化某些目标函数的参数。
对于多模态配准，请使用互信息(Mutual Information)、归一化互信息(Normalised Mutual Information) 或熵相关系数(Entropy Correlation Coefficient)。
对于同模态，您还可以使用归一化互相关(Normalised Cross Correlation)。

Separation

采样点之间的平均距离（以毫米为单位）。
可以是一个向量，以允许粗略配准，然后逐渐进行精细配准。

Tolerances

每个参数的准确度。
当连续估计之间的差异小于所需的容差时，迭代停止。

Histogram Smoothing

高斯平滑适用于 256x256 联合直方图。
其他信息理论配准方法使用较少的箱体，但高斯平滑似乎更为优雅。

Reslice Options

各种重新切片选项。

Interpolation

在不同空间中写入图像时对其进行采样的方法。
最近邻法速度最快，但通常不推荐使用。它可以用于重新定位图像，同时保留原始强度（例如，由标签组成的图像）。三线性插值适用于 PET，或重新对齐和重新切片的 fMRI。如果转换中包含受试者运动（来自 fMRI 时间序列），则最好使用更高阶的方法。请注意，更高阶的 B 样条插值速度较慢，因为它使用了更多邻居。