Общие условия регистрации изображения

Резюме и краткое введение в общую терминологию регистрации изображений.

Оглавление

1. Пробелы
   1.1 Стандартные пробелы
   1.2 Другие пробелы
2. Координаты
   2.1 Воксельные координаты
   2.2 Стандартные космические координаты
3. Пространственные преобразования
   3.1 Преобразования твердого тела
   3.2 Аффинные преобразования
   3.3 Нелинейные преобразования
   3.4 Преобразования глобального масштабирования*
4. Хранилище преобразований
   4.1 Линейное преобразование
   4.2 Нелинейное преобразование
5. Функции стоимости
   5.1 Минимальные квадраты
   5.2 Нормализованная корреляция
   5.3 Коэффициент корреляции
   5.4 Взаимная информация
   5.5 Нормализованная взаимная информация
   5.6 BBR
   5.7 Нелинейный
6. Интерполяции
   6.1 Метод ближайших соседей
   6.2 Трилинейный
   6.3 Сплайн
   6.4 Синхронный
   6.5 Методы k-пространства
7. Применение преобразований
   Шаг 1. Оценка преобразования
   Шаг 2. Повторная выборка
8. Маски-трансформеры
9. Практическое использование
   9.1 Предварительные шаги
   9.2 Одноэтапная регистрация
   9.3 Многоэтапная регистрация
   9.4 Коррекция искажений EPI
   9.5 Регистрация патологического изображения
   9.6 Регистрация малого поля зрения
10. "Поиск неисправностей"

1. Пространства:

то же самое координатно-анатомическое соответствие => то же самое пространство

1.1 Стандартные помещения

с атласами

1.2 Другие места

структурные пространства, функциональные пространства

2. Координаты:

2.1 Координаты вокселя

Целые числа от 0 до N-1 включительно

Обратитесь ко всему происхождению вокселя в левом нижнем углу.

2.2 Стандартные космические координаты

Действительные числа в миллиметрах

Происхождение (0, 0, 0) рядом с центром изображения

Только после регистрации

3. Пространственные преобразования

3.1 Преобразования твердого тела

6 степеней свободы: 3 вращения, 3 перевода

Используется для движения внутри объекта

3.2 Аффинные преобразования

12 степеней свободы: 3 вращения, 3 перемещения, 3 масштабирования, 3 наклона/сдвига.

Линейные преобразования

Используется для коррекции вихревых токов и инициализации нелинейной регистрации.

3.3 Нелинейные преобразования

Более 12 степеней свободы

Чисто локальный (может делать разные вещи в разных местах)

С учетом ограничений:

Базовые функции (например, B-сплайны)

Регуляризация

Сохранение топологии

Используется для качественной регистрации между субъектами

3.4 Преобразования глобального масштабирования *

7 DOF: твердое тело + глобальное масштабирование (равно по x, y, z)

Исправлен дрейф масштабирования сканера в лонгитюдных исследованиях.

4. Хранение Преобразований:

4.1 Линейное преобразование:

матрица 4x4

4.2 Нелинейное преобразование:

поле деформации (4D-изображение ‹= объединить три 3D-изображения)

Более низкое разрешение деформации = более высокая регуляризация = более плавное

5. Функции стоимости

Функция подобия противоположна.

5.1 Метод наименьших квадратов:

Та же модальность (точные параметры последовательности)

5.2 Нормализованная корреляция:

Та же модальность (можно изменить яркость и контрастность)

5.3 Коэффициент корреляции:

Любые методы МРТ

5.4 Взаимная информация:

Любые методы (включая КТ, ПЭТ и др.)

5.5 Нормализованная взаимная информация:

Любые методы (включая КТ, ПЭТ и др.)

5.6 ББР:

Внутрисубъектный EPI к структурному

5.7 Нелинейный:

Использует только метод наименьших квадратов

Включить: ВЧ (радиочастотное) моделирование: управляющее поле смещения

6. Интерполяции

6.1 Ближайший сосед:

Скопируйте значение ближайшего соседа

Быстрый, но блочный — можно использовать для дискретных меток.

6.2 Трилинейка:

Создайте средневзвешенное значение ближайших соседей. Взвешивание выполняется в соответствии с расстоянием линейной функцией.

Быстрый, с небольшим размытием — самый распространенный вариант (билинейный для 2D)

6.3 Сплайн:

Медленнее (сплайн работает довольно быстро) — создает четкие изображения, но может создавать значения за пределами исходного диапазона.

6.4 Синк:

6.5 Методы k-пространства:

7. Применение преобразований

Шаг 1: Оценка преобразования.

Нахождение преобразования

Без повторной выборки

Шаг 2: Повторная выборка.

Применение преобразования

Таким образом, создавая новый, модифицированный образ

(Регистрация может означать и то, и другое)

Обычно задерживают передискретизацию (так как это снижает качество изображения)

Другие термины:

Совместная регистрация: То же, что и регистрация

Пространственная нормализация: зарегистрируйте нормализованное изображение или стандартный шаблон.

8. Маски-трансформеры

Значения маски обычно равны 0 и 1 (целочисленный формат).

Преобразование требует интерполяции: дает промежуточные значения (обычно используется трилинейка). При округлении до целого числа =› маска «сжимается».

Убедитесь, что тип выходных данных = float.

Повторное определение порога (бинаризация) преобразованной маски

• Порог около 0,0 для включения ребер частичного объема
• Порог около 1,0 для исключения ребер частичного объема
• Порог на уровне 0,5, чтобы сохранить тот же размер (приблизительно)

9. Практическое использование

9.1 Предварительные шаги:

• Переориентация
• Извлечение мозга
• Коррекция поля смещения

Отмечает, что метки верны в обоих случаях.

9.2 Одноэтапная регистрация

Сценарий: два (или более) разных типа изображений одного и того же объекта. Возьмем, к примеру, мозг T1-wt и T2-wt.

Цель: Выровнять изображения (например, для мультимодальной сегментации).

Решение:

• Один предмет => 6 степеней свободы = преобразование твердого тела
• T2-wt в T1-wt =› мультимодальная функция затрат (например, коэффициент корреляции)
• Запустите извлечение мозга на обоих изображениях.
• Выберите изображение с лучшим разрешением или контрастом в качестве эталона.
• Всегда оценивайте качество регистрации визуально.

Визуальная проверка:

• Используйте наложение или пролистывайте изображения.
• Используйте красные края одного изображения и шкалу серого из другого изображения для статического вида.

Конкретное использование в FSL:

• Эталонное изображение управляет FOV и разрешением выходного изображения.
• Преобразование: дано из входного пространства в опорное пространство. Обратные преобразования легко вычисляются.
• Изображения можно преобразовать в другое пространство, применив предварительно полученное преобразование.

9.3 Многоэтапная регистрация

Сценарий: Проведение функционального (или диффузионного) исследования. Имейте EPI и T1-взвешенные значения для каждого субъекта

Цель: зарегистрировать изображения в общем (стандартном) пространстве, чтобы можно было проводить групповое исследование.

Решение:

Регистрация очень разных изображений затруднена из-за:

• Различия в индивидуальных анатомиях
• Различные контрасты в различных модальностях
• Искажения, которые различаются между изображениями

=› Чтобы зарегистрировать EPI в стандартном шаблоне пространства, используйте структурное промежуточное изображение.

Два этапа:

• Функциональный образ одного человека -> Образ структуры T1-wt того же человека (6 степеней свободы, твердое тело)
• Образ структуры T1-wt этого человека -> Стандартный шаблон пространства (≥ 12 степеней свободы, аффинная инициализация с последующей нелинейной регистрацией)

Наконец, объедините два этапа, чтобы выполнить одну единственную повторную выборку.

9.4 Коррекция искажений EPI

Сценарий: проведите функциональное (или диффузионное) исследование.

Цель: Исправить искажения в EPI, иначе регистрация будет неточной.

Проблема:

• Изображения EPI искажаются и страдают от потери сигнала.
• Стандартная регистрация не работает.

Искажение сигнала: геометрическое искажение, при котором сигнал находится не там, где должен быть.

Потеря сигнала: потерянный сигнал в некоторых областях и в конечном итоге с черными пятнами

(Визуализация EPI очень чувствительна к любым отклонениям от идеально однородного поля B0)

(Интерфейсы воздух-ткань вызывают магнитные возмущения)

Решение:

Коррекция на основе карты поля

• Отменить искажение с помощью «unwarping» =› field map
• Игнорировать области с высокой потерей сигнала (может учитывать потерю сигнала, но не может вернуть сигнал)
• Нужна полевая карта (специальное приобретение)

Использование карт поля:

Карта поля: отдельное изображение измеряет поле (отклонения B0) в каждой точке мозга.

Из карты поля получаем:

1. Величина пространственных искажений (только направление фазового кодирования) (всегда вперед и назад)
2. Оценка потери сигнала

Получение одной полевой карты занимает всего несколько минут, и это значительно улучшает регистрацию.

Новая карта поля необходима для каждого сеанса сканирования по мере ее изменения (например, она зависит от ориентации головы).

• Развернуть с помощью Fieldmaps

— Ничего не делает с коррекцией движения

— Он вычисляет дисторшн и разворачивает EPI.

— Он уменьшает вес областей со значительной потерей сигнала при регистрации.

Получение карты поля:

Четыре основных типа приобретений:

• Градиентное эхо
• Асимметричное спиновое эхо
• EPI (исключен из-за искажения и потери сигнала)
• Blip-обратная пара b = 0 (EPI)

Регистрация на основе границ (BBR):

Он используется для EPI для структурной регистрации (включает коррекцию карты поля)

Он использует границы белого вещества (через сегментацию T1-wt)

— Нужны хорошие структуры (не слишком большое поле смещения)

— Также требуется анатомический контраст в EPI.

— Управляется разницей интенсивности на границе (образцы)

9.5 Регистрация патологических изображений

Сценарий: есть изображения, содержащие известную патологию (или артефакт), которая выглядит по-разному на разных изображениях. Например, в некоторых последовательностях выделяются поражения, которые трудно увидеть в других последовательностях.

Цель: совместить изображения на основе здоровой ткани, но не учитывать область патологии (или артефакта).

Решение:

Взвешивание функции затрат

• Используйте взвешенное изображение для уменьшения веса несоответствующих областей (ноль для поврежденных областей, один для важных областей)

Не присваивайте фону ноль, так как тогда теряется контраст между мозгом и фоном.

9.6 Регистрация малого поля зрения

Сценарий: функциональное исследование с использованием небольшого поля зрения (например, нескольких срезов). Часто делается для получения сканов с более высоким разрешением по сравнению с областью интереса.

Цель: получить результаты активации, хорошо зарегистрированные в полном мозгу (и в стандартном пространстве)

Решение:

Отсканируйте один EPI всего мозга и используйте трехэтапную регистрацию

Три этапа:

• EPI от частичного мозга к полному мозгу
  — если срезы различаются или движение значительно, то следует применить разворачивание (редко).
• Полная мозговая EPI в структурную
  - применить развертку (полная карта полей мозга)
• Структурный стандарт

10. Устранение неполадок

• Проверьте изображения: размеры вокселей, артефакты, большое поле смещения.
• Проверьте извлечение мозга: ищите большие/постоянные ошибки
• Для EPI: получите и используйте карту полей для устранения искажений.
• Для FMRI или диффузии: используйте многоэтапную регистрацию со структурным изображением для достижения наилучших результатов.
• Если существуют патологии/артефакты: используйте снижение веса по функции стоимости.
• Если изображения почти выровнены: попробуйте ограничить поиск
• Для малого поля зрения: получите EPI всего мозга для многоэтапной регистрации

Расширенная регистрация:

• 2D-3D регистрация
• Тяжелая патология
• Поверхностная регистрация