跳到主页内容
美国国旗

美国政府的官方网站

点政府

gov意味着它的官员。
联邦政府网站经常在gov或mil。共享敏感信息之前,确保你在一个联邦政府网站。

Https

这个网站是安全的。
https://确保你连接到官方网站,您提供的任何信息是加密和传输安全。

访问键 NCBI主页 MyNCBI主页 主要内容 主导航
2013年2月5日,6:197。
doi: 10.3389 / fnins.2012.00197。 eCollection 2012。

对称diffeomorphic建模的纵向结构磁共振成像

从属关系
免费的PMC的文章

对称diffeomorphic建模的纵向结构磁共振成像

约翰ashburnet al。 前>
免费的PMC的文章

文摘

本技术报告描述了纵向注册方法,我们打算纳入SPM12。它描述了一个group-wise intra-subject建模框架,它结合了diffeomorphic和刚体登记、结合强度不均匀性的校正工件通常出现在核磁共振成像数据。强调实现内部一致性和会计的许多数学微妙之处,大多数实现都忽略。实现从绿洲纵向MRI数据评估使用的例子非痴呆老年人精神错乱。

关键词:解析的;测地线射击;逆矩阵的一致性;纵向登记;非线性登记;形状建模;对称;传递性。

数据

图1
图1
一个完整的模型的图形化表示。每一个N图像(f)被认为是一种畸形的版本的模板(μ由乘法不均匀性字段(exp()了b)与加性高斯噪声(精密λ)。每个变形模型的组成刚体变换ξ)参数化的六个参数向量(),和一个diffeomorphic变形(ϕ)参数化的初始速度(v)。
图2
图2
两个Rician分布适合的混合物核磁共振强度直方图(虚线所示)。适合显示为一个连续的行,而虚线是用来显示两个Rician分布。
图3
图3
这两个模拟图像
图4
图4
扭曲的模拟图像。第一列:上层图像扭曲与较低的图像(图3)。第二列:变形领域。第三列:对数的雅可比行列式(颜色刻度是相同的例子,和在−3 - 3)。第一行:结果从ω1= 0.001ω2= 0.001,ω3= 0.1,额外的惩罚在广场上的绝对位移为0.0001。第二行:ω的结果1= 0.001ω2= 0.001,ω3= 2.0。第三行:ω的结果1= 0.05ω2= 0.0001,ω3= 0.0001。第四行:ω的结果1= 0.001ω2= 0.5,ω3= 0.001。
图5
图5
扭曲的模拟图像。第一列:低图像扭曲的匹配上的形象。第二列:变形领域。第三列:对数的雅可比行列式(颜色刻度是相同的例子,和在−3 - 3)。第一行:结果从ω1= 0.001ω2= 0.001,ω3= 0.1,额外的惩罚在广场上的绝对位移为0.0001。第二行:ω的结果1= 0.001ω2= 0.001,ω3= 2.0。第三行:ω的结果1= 0.05ω2= 0.0001,ω3= 0.0001。第四行:ω的结果1= 0.001ω2= 0.5,ω3= 0.001。
图6
图6
插图的结果匹配的一对图像主题与轻度认知障碍,收集1895天分开(OAS2_0002)。剩余的三张图片的区别都是窗口的底部显示相同的。黑色表示值−500或更少,而白色代表值500以上。
图7
图7
详细的结果匹配的一对图像主题与轻度认知障碍,收集1895天分开(OAS2_0002)
图8
图8
数据从一个主题的跨度为痴呆(OAS2_0048)。最上面一行显示原始扫描后严格对齐,而最后一行显示了估计的速度场的散度。
图9
图9
块主要从每个主题特征向量的散度在头盖骨地图。列显示块的控制受试者只扫描两次,情节从控制受试者扫描的两倍多,从主题情节痴呆人扫描两次,从主题和情节痴呆扫描的两倍多。虚线显示最好的线性。注意,情节排序根据他们的平均斜率,为更容易做的可视化。的一些特征向量也新−1,这样所有的梯度是积极的。
图10
图10
意思是图片。左:所有受试者的扭曲的平均值的图像。中心:平均扭曲膨胀率对照组的地图。右:平均扭曲膨胀率地图与痴呆的受试者。意味着扩张率显示,−0.04或以下的值显示为黑色和0.04或更高版本的值显示为白色。

类似的文章

引用的

引用

    1. Al-Mohy。,Higham N. (2009). Computing the Fréchet derivative of the matrix exponential, with an application to condition number estimation. SIAM J. Matrix Anal. Appl. 30, 1639–165710.1137/080716426 -DOI
    1. Arsigny诉(2006)。处理数据在李群:一个代数方法。应用非线性注册和扩散张量磁共振成像。巴黎综合理工学院博士论文,巴黎
    1. ashburn j . (2007)。一个快速diffeomorphic图像配准算法。95 - 11310.1016 / j.neuroimage.2007.07.007 - 38岁的神经DOI- - - - - -PubMed
    1. ashburn J。,Andersson J., Friston K. (1999). High-dimensional image registration using symmetric priors. Neuroimage 9, 619–62810.1006/nimg.1999.0437 -DOI- - - - - -PubMed
    1. ashburn J。,Friston K. (2005). Unified segmentation. Neuroimage 26, 839–85110.1016/j.neuroimage.2005.02.018 -DOI- - - - - -PubMed

LinkOut——更多的资源

Baidu
map