注册多通道磁共振图像

步骤1:加载图片

这个例子使用了两个膝盖的MRI图像。固定的图像是一个自旋回波图像,而移动的图像是一个自旋回波图像的反转恢复。这两个矢状切片获得在同一时间,但略有失准。

固定= dicomread (“knee1.dcm”);移动= dicomread (“knee2.dcm”);

的imshowpair函数是非常有用的可视化图像在每次注册过程的一部分。用它来看到这两个图像分别在蒙太奇或显示它们重叠显示错误配准。

imshowpair(移动,固定的,“蒙太奇”)标题(“未注册”)

在重叠的图像imshowpair灰色区域相对应,也有类似的强度,而红色和绿色区域显示一个图像比其它的地方。在一些图像对,绿色和红色区域并不总是显示错误配准,但在本例中使用颜色信息很容易看到。

imshowpair(移动、固定)标题(“未注册”)

第二步:设置初始登记

的imregconfig函数很容易选择正确的优化器和标准配置来使用imregister。优化器和度量变量是对象的属性控制登记。有关更多信息,请参见创建一个为灰度图像配准的优化和度量。

这两个图片有不同的强度分布,这表明一个多通道配置。

(优化器,度量)= imregconfig (“多通道”);

两张图片之间的失真包括缩放、旋转、剪切。使用注册图像的仿射变换。

registeredDefault = imregister(移动,固定的,“仿射”优化器,指标);

显示结果。这是非常罕见的imregister将图片完全使用默认设置。然而,使用它们是一个有用的方法来决定哪些属性调整。

imshowpair (registeredDefault、固定)标题(“一个:默认注册”)

第三步:通过调整优化和提高登记指标

初始登记不是很好。仍有显著的区域不一致,尤其是沿着右边缘。试图通过调整优化和提高登记指标配置属性。

disp(优化)

registration.optimizer。OnePlusOneEvolutionaryProperties: GrowthFactor: 1.050000e+00 Epsilon: 1.500000e-06 InitialRadius: 6.250000e-03 MaximumIterations: 100

disp(公制)

registration.metric。MattesMutualInformation属性:NumberOfSpatialSamples: 500 NumberOfHistogramBins: 50 UseAllPixels: 1

的InitialRadius属性的优化控制中使用的初始步长参数空间完善几何变换。多通道登记问题时不使用默认参数收敛,InitialRadius是一个很好的第一个参数调整。开始减少的默认值InitialRadius由一个比例因子为3.5。

优化器。InitialRadius = optimizer.InitialRadius / 3.5;registeredAdjustedInitialRadius = imregister(移动,固定的,“仿射”优化器,指标);

显示结果。调整InitialRadius有一个积极的影响。有一个明显的改善图像的对齐顶部和边缘。

imshowpair (registeredAdjustedInitialRadius、固定)标题(B:调整InitialRadius”)

的MaximumIterations属性的优化控制的最大迭代数,优化器将被允许。增加MaximumIterations允许注册搜索运行时间更长,可能找到更好的登记结果。注册继续改善如果吗InitialRadius从最后一个步骤是使用大量的迭代?

优化器。MaximumIterations = 300;registeredAdjustedInitialRadius300 = imregister(移动,固定的,“仿射”优化器,指标);

显示结果。进一步改善注册是通过重用InitialRadius优化器设置从之前的注册和允许大量的迭代优化器。

imshowpair (registeredAdjustedInitialRadius300、固定)标题(“C:调整InitialRadius MaximumIterations = 300”)

第四步:完善注册使用初始条件

基于优化的注册效果最好,当一个好的初始条件可以给相关的注册移动和固定的图像。一个很有用的技巧,得到改进的登记结果开始更简单的转换类型如刚性或相似转换,然后使用结果转换作为更复杂的仿射变换的初始条件类型。

这个函数imregtform使用相同的算法imregister几何变换,而是返回一个对象作为输出,而不是注册输出图像。使用imregtform得到一个初始变换估计基于相似变换组成的翻译、旋转、各向同性的扩展。使用调谐优化器设置。

tformSimilarity = imregtform(移动,固定的,“相似”、优化、指标)

tformSimilarity = simtform2d属性:维数:2:1.0390 RotationAngle: -6.1345翻译:[-51.1491 - 6.9891]R: [2 x2双]:[3 x3的两倍)

因为注册被解决在默认的坐标系统,也被称为内在坐标系统,获取默认空间引用对象,定义了固定的位置和分辨率图像。

Rfixed = imref2d(大小(固定));

使用imwarp应用几何转换输出imregtform移动图像的固定形象。使用OutputView名称-值参数在imwarp分配给移动图像的分辨率和世界范围的固定形象。

registeredSimilarity = imwarp(移动、tformSimilarity OutputView = Rfixed);

显示结果。

imshowpair (registeredSimilarity、固定)标题(“D:基于相似变换模型注册”)

完善注册使用仿射变换模型和指定相似变换的初始条件。登记的精确估算包括剪切的可能性。

registeredAffineWithIC = imregister(移动,固定的,“仿射”优化器,度规,…InitialTransformation = tformSimilarity);

显示结果。精炼相似初始条件的登记注册一个不错的结果。

imshowpair (registeredAffineWithIC、固定)标题(基于相似的“E:登记从仿射模型初始条件”)

第五步:决定什么时候够了就是够了

运行的结果进行比较imregister不同的配置和初始条件,它变得明显,有大量的输入参数可以不同imregister,每一个都可能导致不同的登记结果。

很难定量比较登记结果,因为没有一个质量指标,准确地描述了两幅图像的对齐。通常,登记结果必须由可视化结果定性判断。在上面的结果中,结果登记在C)和E)都是很好的,很难分辨视觉。

第六步:替代可视化

经常多通道注册的质量改进它变得更加难以判断注册视觉质量。这是因为失调的强度差异可以模糊区域。有时切换到一个不同的显示模式imshowpair暴露隐藏的细节。(这并非总是如此。)