Mattes互信息对三维图像配准的基本质疑

Question

1. Mattes相互信息怀疑

在SimpleITK中，相互信息是一种相似性度量，这是一个最大化函数还是最小函数？

我尝试了一个3D配准(图像大小: 480*480*60)，用米制Mattes互信息度量和梯度下降优化器。

输出

numofbins = 30

优化停止条件: RegularStepGradientDescentOptimizerv4: 24次迭代后步长太小。当前步骤(7.62939e-06)小于最小步骤(1e-05)。

迭代: 25次

米制值：-0.871268982129

数值= 4096

优化停止条件: RegularStepGradientDescentOptimizerv4: 34次迭代后步数太小。当前步骤(7.62939e-06)小于最小步骤(1e-05)。

迭代: 23

米制值：-1.7890

如果它是一个极小化函数，那么下一个是更好的，这是我怀疑的。

2.转换矩阵最终产出

TranslationTransform (0x44fbd20) RTTI类型: itk::TranslationTransform参考计数:2修改时间: 5528423

什么是修改时间？

3.最终度量衡是一种登记精度测量吗？

公制是登记准确性的标志吗？更高的度量值是否意味着更好的注册？或者只是一个优化后的最优值？

4.登记的随机抽样

10%-20%的随机抽样点足以进行注册.但令人怀疑的是，样本是从主要的ROI还是在ROI之外提取的？掩蔽是一种选择，在SimpleITK中还有其他选择吗？

谢谢

Answer 1

ITK中的相似性度量通常会给出代价，因此优化器会尽量减少成本。互信息是这一规则的一个例外( MI越高越好)，因此为了适应现有的框架，它具有负值--越大的负数比越小的负数更好，同时仍然遵循应尽量减少负数的逻辑。

修改时间用于检查是否应该更新某个筛选器。

通常，较低的公制意味着更好的注册。但是，在不同的度量标准之间，甚至在使用相同度量的不同类型的图像之间，它是不可比较的。

随机抽样将采取10-20%的样本在您的RoI.我不确定它是在RoI中随机选择，还是在图像中随机选择，然后检查它是否在RoI中。