Deep Learning Study (21) / 24.12.24

참고 : Registration — ANTsPy dev (latest) documentation

 

파라미터 리스트

1. fixed - required
2. moving - required
3. type_of_transform - required
4. initial_transform - optional
5. outprefix - optional
6. mask - optional
7. moving_mask - optional
8. mask_all_stages - optional
9. grad_step - optional
10. flow_sigma - optional
11. total_sigma - optional
12. aff_metric - optional
13. aff_sampling - optional
14. aff_random_sampling_rate - optional
15. syn_metric - optional
16. syn_sampling - optional
17. reg_iterations - optional
18. aff_iterations - optional
19. aff_shrink_factors - optional
20. aff_smoothing_sigmas - optional
21. random_seed - optional
22. write_composite_transform - optional
23. verbose - optional
24. multivariate_extras - optional
25. restrict_transformation - optional
26. smoothing_in_mm - optional
27. singleprecision - optional
28. kwargs - optional

 

 

Affine 다중 해상도 정합 과정

1. Original Image: 고정(fixed) 및 이동(moving) 이미지를 입력으로 사용.
2. aff_smoothing_sigmas: 각 해상도 단계에서 입력 이미지를 스무딩하여 노이즈를 제거하고 큰 구조에 초점을 맞춤.
3. Downsample Image: aff_shrink_factors를 사용하여 축소해 저해상도 이미지를 생성.
4. Compute Affine Transform: aff_sampling과 Mutual Information(MI)을 사용해 Affine 변환 매트릭스를 계산.
5. Upsample Image: 고해상도로 이미지를 업샘플링.
6. 고해상도로 복원하며 정합 작업 반복

Affine 정합과 관련된 파라미터

1. 변환 방식, 정합 메트릭
   1. type_of_transform
   2. aff_metric
2. 샘플링 및 계산 설정
   1. aff_sampling
   2. aff_random_sampling_rate
3. 다중 해상도 설정
   1. aff_iterations
   2. aff_shrink_factors
   3. aff_smoothing_sigmas

 

 

FOV 조정과 관련된 ANTs 파라미터

• type_of_transform : FOV 차이를 줄이기 위해 선형 변환(Affine) 또는 비선형 변환(SyN)을 선택
• aff_shrink_factors : 축소를 통해 고해상도 이미지를 저해상도로 변환하여 정합 속도와 효율성을 높임
• aff_smoothing_sigmas : 다중 해상도 단계에서 가우시안 스무딩 강도를 설정하여 노이즈를 줄이고, 큰 구조에 초점을 맞춤
• aff_sampling : Affine 정합에서 Mutual Information 계산 시 샘플링 비율을 조정 → FOV 차이가 크거나, 데이터 밀도가 높을 때 샘플링 비율을 높이면 정확도 향상

FOV 별도 전처리 메서드

• ants.resample_image
• ants.crop_image
• ants.pad_image