Elastix (регистрация изображений)

эластикс
Разработчик(и)	Стефан Кляйн и Мариус Старинг и др.
Первоначальный выпуск	2003 год ; 21 год назад
Стабильная версия	5.2.0 / 18 июля 2024 г .; 22 дня назад
Репозиторий	github .с /СуперЭластикс /эластикс
Написано в	С++
Операционная система	Линукс , Виндовс , МакОС
Лицензия	версии elastix начиная с 4.8 находятся под лицензией Apache 2.0, версии elastix до 4.8 находятся под BSD лицензией
Веб-сайт	эластикс .lumc .nl

Elastix — это набор инструментов для регистрации изображений , созданный на основе набора инструментов Insight Segmentation and Registration Toolkit (ITK). ^{[ 2 ]} Он полностью с открытым исходным кодом и предоставляет широкий спектр алгоритмов, используемых в задачах регистрации изображений. Его компоненты имеют модульную структуру, что упрощает быстрое и надежное создание различных конвейеров регистрации, адаптированных для конкретных случаев. Впервые он был разработан Стефаном Кляйном и Мариусом Старингом под руководством Жозиена П. Плуима из Института изображений (ISI). ^{[ 3 ]} Его первая версия была основана на командной строке , что позволяло конечному пользователю использовать сценарии для автоматической обработки больших наборов данных и развертывания нескольких конвейеров регистрации с помощью нескольких строк кода. В настоящее время для дальнейшего расширения аудитории также доступна версия под названием SimpleElastix. ^{[ 4 ]} , который позволяет интегрировать elastix с языками высокого уровня, такими как Python , Java и R. разработанный Каспером Марсталом ^{[ 5 ]}

Основы регистрации изображений

Регистрация изображения — это хорошо известный метод цифровой обработки изображений , который ищет геометрическое преобразование , которое, применительно к движущемуся изображению, дает однозначную карту с целевым изображением. Как правило, изображения, полученные с разных датчиков (мультимодальные), в моменты времени (многовременные) и точек зрения (многовидовые), должны быть правильно выровнены, чтобы можно было продолжить дальнейшую обработку и извлечение признаков. ^{[ 6 ]} Несмотря на то, что существует множество различных подходов к регистрации изображений, большинство из них состоит из одних и тех же строительных блоков макросов, а именно преобразования , интерполятора , метрики и оптимизатора . ^{[ 7 ]} Регистрация двух или более изображений может быть сформулирована как задача оптимизации, требующая нескольких итераций для достижения наилучшего решения. Начиная с начального преобразования, вычисленного на основе моментов изображения, процесс оптимизации ищет лучшие параметры преобразования на основе значения выбранной метрики сходства. На рисунке справа показано высокоуровневое представление регистрации двух изображений, где опорное остается постоянным в течение всего процесса, а движущееся будет трансформироваться в соответствии с параметрами трансформации. Другими словами, регистрация заканчивается, когда метрика сходства, представляющая собой математическую функцию с определенным количеством оптимизируемых параметров, достигает оптимального значения, которое сильно зависит от конкретного приложения. ^{[ 7 ]}

Основные строительные блоки

Следуя структуре рабочего процесса регистрации изображений, набор инструментов elastix предлагает модульное решение, которое реализует для каждого из строительных блоков различные алгоритмы, широко используемые при регистрации медицинских изображений, и помогает конечным пользователям построить свой конкретный конвейер, выбрав наиболее подходящий алгоритм. для каждого из основных строительных блоков. Каждый блок легко настраивается как путем выбора заранее определенных значений инициализации, так и путем проверки нескольких наборов параметров и последующего выбора наиболее эффективного из них. Регистрация выполняется для изображений, а набор инструментов elastix поддерживает все форматы данных, поддерживаемые ITK , от JPEG и PNG до форматов медицинских стандартов, таких как DICOM и NIFTI . Он также сохраняет физическое расстояние между пикселями, начало координат и относительное положение относительно внешней системы отсчета, если это предусмотрено в метаданных , чтобы облегчить процесс регистрации, особенно в медицинских приложениях. ^{[ 8 ]}

Трансформация

Преобразование является важным строительным блоком, поскольку оно определяет допустимые преобразования. При регистрации изображений основное различие можно провести между преобразованиями отображения линий «параллельно-параллельно» и «параллельно-непараллельно» (деформируемыми). В наборе инструментов elastix конечные пользователи могут выбрать одно преобразование или создать дополнительные преобразования путем сложения или композиции. Ниже представлены различные модели преобразования в порядке возрастания гибкости, а также соответствующие имена классов эластикса в скобках. ^{[ 8 ]}

Перевод ( TranslationTransform ) допускает только переводы.
Rigid ( EulerTransform ) расширяет перемещение, добавляя повороты, и объект рассматривается как твердое тело.
Сходство ( SimilarityTransform ) расширяет жесткое преобразование за счет введения изотропного масштабирования.
Affine ( AffineTransform ) расширяет жесткое преобразование, позволяя как масштабировать, так и сдвигать.
B-сплайны ( BSplineTransform ) — деформируемое преобразование, которому обычно предшествует жесткое или аффинное преобразование. ^{[ 9 ]}
Сплайны с тонкими пластинами ( SplineKernelTransform ) — деформируемое преобразование, принадлежащее к классу преобразований на основе ядра. ^{[ 10 ]} это композиция аффинной и нежесткой части

Метрика

Метрика сходства — это математическая функция, параметры которой должны быть оптимизированы для достижения желаемой регистрации, и в ходе процесса она вычисляется несколько раз. Ниже приведены доступные метрики, рассчитанные с использованием эталонных и преобразованных изображений, а также соответствующие имена классов эластикса в скобках. ^{[ 8 ]}

Среднеквадратическая разница ( AdvancedMeanSquares ), которая будет использоваться для мономодальных приложений.
Нормализованный коэффициент корреляции ( AdvancedNormalizedCorrelation ), который будет использоваться для изображений, которые имеют линейную зависимость интенсивности.
Взаимная информация ( AdvancedMattesMutualInformation ), которая будет использоваться как для моно-, так и для мультимодальных приложений и оптимизирована для достижения более высокой производительности по сравнению с нормализованной версией.
Нормализованная взаимная информация ( NormalizedMutualInformation ) как для моно-, так и для мультимодальных приложений.
Статистика Каппа ( AdvancedKappaStatistic ), которая будет использоваться только для двоичных изображений.

Сэмплер

Для расчета метрик сходства не всегда необходимо учитывать все вокселы , а иногда может быть полезно использовать только часть вокселей изображений, т.е. для сокращения времени выполнения больших входных изображений. ^{[ 11 ]} Ниже приведены доступные критерии выбора доли вокселей для вычисления метрики сходства и соответствующие имена классов эластикса в скобках. ^{[ 8 ]}

Full ( Полный ) для использования всех вокселей.
Grid ( Grid ) для использования обычной сетки, определенной пользователем, для понижения разрешения изображения.
Случайный ( Random ) для случайного выбора процента вокселей, определенных пользователями (все воксели имеют равную вероятность быть выбранными)
Случайная координата ( RandomCoordinate ) аналогична случайному критерию, но в этом случае также могут быть выбраны внесеточные позиции, чтобы упростить процесс оптимизации.

Интерполятор

После применения преобразования может случиться так, что вокселы, используемые для вычисления метрики сходства, находятся в невоксельных позициях, поэтому необходимо выполнить интерполяцию интенсивности, чтобы гарантировать правильность вычисленных значений. Ниже приведены реализованные интерполяторы и соответствующие имена классов эластикса в скобках. ^{[ 8 ]}

Ближайший сосед ( NearestNeighborInterpolator ) использует мало ресурсов, но дает результаты низкого качества.
Linear ( LinearInterpolator ) достаточно для общих приложений.
B-сплайн N-го порядка ( BSplineInterpolator ) можно использовать для увеличения порядка N, увеличивая качество и время вычислений. N=0 и N=1 указывают ближайшего соседа и линейный случай соответственно. ^{[ 12 ]}

Оптимизатор

Оптимизатор определяет стратегию, используемую для поиска наилучшего параметра преобразования для достижения правильной регистрации, и обычно это итеративная стратегия. Ниже представлены некоторые из реализованных стратегий оптимизации. ^{[ 8 ]}

Градиентный спуск
Роббинса-Монро , аналогично градиентному спуску, но с использованием аппроксимации производных функции стоимости.

Также доступен более широкий набор оптимизаторов, таких как квази-ньютоновские или эволюционные стратегии .

Другие особенности

Программное обеспечение elastix также предлагает другие функции, которые можно использовать для ускорения процедуры регистрации и предоставления конечным пользователям более совершенных алгоритмов. Некоторыми примерами являются внедрение размытия и пирамиды Гаусса для уменьшения сложности данных, а также структуры с несколькими изображениями и несколькими метриками для работы с более сложными приложениями. ^{[ 8 ]}

Приложения

Elastix находит применение в основном в медицинской сфере, где регистрация изображений имеет основополагающее значение для получения исчерпывающей информации об анализируемой анатомической области. ^{[ 13 ]} Он широко используется в хирургии под визуальным контролем , мониторинге опухолей и оценке лечения. ^{[ 6 ]}

Например, при планировании лучевой терапии регистрация изображений позволяет правильно провести лечение и оценить полученные результаты. Благодаря широкому спектру реализованных алгоритмов использование программного обеспечения elastix позволяет врачам и исследователям тестировать различные конвейеры регистрации, от самых простых до более сложных, и сохранять лучший из них в виде файла конфигурации. Этот файл и тот факт, что программное обеспечение имеет полностью открытый исходный код, позволяет легко воспроизводить работу, что может помочь поддержать парадигму открытой науки, а также позволяет быстро повторно использовать данные разных пациентов. ^{[ 14 ]}

В хирургии под визуальным контролем время и точность регистрации являются критическими моментами, учитывая, что во время регистрации пациент находится на операционном столе, а регистрируемые изображения имеют более низкое разрешение по сравнению с целевыми. В этой области возможность использовать elastix с языками высокого уровня, такими как OpenCL , открывается при исследовании использования графических процессоров и других аппаратных ускорителей . ^{[ 15 ]}

Ссылки

^ «Выпуск 5.2.0» . 18 июля 2024 г. Проверено 22 июля 2024 г.
^ «ИТК | Инструментарий Insight» . Проверено 25 июня 2020 г.
^ Кляйн, С.; Смотря, М.; Мерфи, К.; Виргевер, Массачусетс; Плуим, Дж. (январь 2010 г.). «elastix: набор инструментов для регистрации медицинских изображений на основе интенсивности». Транзакции IEEE по медицинской визуализации . 29 (1): 196–205. дои : 10.1109/TMI.2009.2035616 . ПМИД 19923044 . S2CID 15850341 .
^ «Простой Эластикс» . simpleelastix.github.io . Проверено 25 июня 2020 г.
^ Марстал, Каспер; Берендсен, Флорис; Смотри, Мариус; Кляйн, Стефан (2016). SimpleElastix: удобная многоязычная библиотека для регистрации медицинских изображений . Материалы семинаров конференции IEEE по компьютерному зрению и распознаванию образов (CVPR). стр. 134–142.
^ Jump up to: ^а ^б Зитова, Барбара; Флюссер, Ян (октябрь 2003 г.). «Методы регистрации изображений: опрос». Вычисление изображений и зрительных образов . 21 (11): 977–1000. дои : 10.1016/S0262-8856(03)00137-9 .
^ Jump up to: ^а ^б Браун, Лиза Готтесфельд (1 декабря 1992 г.). «Обзор методов регистрации изображений». Обзоры вычислительной техники ACM . 24 (4): 325–376. дои : 10.1145/146370.146374 . S2CID 14576088 .
^ Jump up to: ^а ^б ^с ^д ^и ^ж ^г Кляйн, Стефан; Смотри, Мариус. «Эластикс, инструкция» (PDF) .
^ Рюкерт, Д.; Сонода, Л.И.; Хейс, К.; Хилл, DLG; Лич, Миссури; Хоукс, диджей (1999). «Нежесткая регистрация с использованием деформаций свободной формы: применение к МРТ-изображениям молочной железы». Транзакции IEEE по медицинской визуализации . 18 (8): 712–721. дои : 10.1109/42.796284 . ПМИД 10534053 . S2CID 330039 .
^ Дэвис, Миннесота; Хотанзад А.; Фламиг, ДП; Хармс, ЮВ (июнь 1997 г.). «Физическое преобразование координат для сопоставления трехмерных изображений». Транзакции IEEE по медицинской визуализации . 16 (3): 317–328. дои : 10.1109/42.585766 . ПМИД 9184894 . S2CID 37603411 .
^ Унсер, М.; Тевеназ, П. (2000). «Оптимизация взаимной информации для регистрации изображений с различным разрешением» (PDF) . Транзакции IEEE при обработке изображений . 9 (12): 2083–2099. Бибкод : 2000ITIP....9.2083U . дои : 10.1109/83.887976 . ПМИД 18262946 .
^ Унсер, М. (1999). «Сплайны: идеально подходят для обработки сигналов и изображений» . Журнал обработки сигналов IEEE . 16 (6): 22–38. Бибкод : 1999ISPM...16...22U . дои : 10.1109/79.799930 .
^ Майнц, Ж.Б.Антуан; Виргевер, Макс А. (март 1998 г.). «Обзор регистрации медицинских изображений». Анализ медицинских изображений . 2 (1): 1–36. дои : 10.1016/S1361-8415(01)80026-8 . ПМИД 10638851 .
^ Зукаускайте, Рута; Бринк, Карстен; Хансен, Кристиан Ренн; Бертельсен, Андерс; Йохансен, Йорген; Грау, Кай; Эриксен, Йеспер Грау (20 июня 2016 г.). «Система регистрации деформируемых изображений с открытым исходным кодом для планирования лечения и повторных КТ». Лучевая терапия и онкология . 192 (8): 545–551. дои : 10.1007/s00066-016-0998-4 . ПМИД 27323754 . S2CID 7195038 .
^ Шамонин, Денис (2013). «Быстрая параллельная регистрация изображений на процессоре и графическом процессоре для диагностической классификации болезни Альцгеймера» . Границы нейроинформатики . 7:50 . дои : 10.3389/fninf.2013.00050 . ПМЦ 3893567 . ПМИД 24474917 .

Внешние ссылки

[wikidata-05682c79f8cbe5f6ed04f47ac1eeb8cc88bd8e9c-v14-1] «Выпуск 5.2.0» . 18 июля 2024 г. Проверено 22 июля 2024 г.

[2] «ИТК | Инструментарий Insight» . Проверено 25 июня 2020 г.

[klein-3] Кляйн, С.; Смотря, М.; Мерфи, К.; Виргевер, Массачусетс; Плуим, Дж. (январь 2010 г.). «elastix: набор инструментов для регистрации медицинских изображений на основе интенсивности». Транзакции IEEE по медицинской визуализации . 29 (1): 196–205. дои : 10.1109/TMI.2009.2035616 . ПМИД 19923044 . S2CID 15850341 .

[SEL-4] «Простой Эластикс» . simpleelastix.github.io . Проверено 25 июня 2020 г.

[marsal-5] Марстал, Каспер; Берендсен, Флорис; Смотри, Мариус; Кляйн, Стефан (2016). SimpleElastix: удобная многоязычная библиотека для регистрации медицинских изображений . Материалы семинаров конференции IEEE по компьютерному зрению и распознаванию образов (CVPR). стр. 134–142.

[Zitova-6] Jump up to: ^а ^б Зитова, Барбара; Флюссер, Ян (октябрь 2003 г.). «Методы регистрации изображений: опрос». Вычисление изображений и зрительных образов . 21 (11): 977–1000. дои : 10.1016/S0262-8856(03)00137-9 .

[Brown-7] Jump up to: ^а ^б Браун, Лиза Готтесфельд (1 декабря 1992 г.). «Обзор методов регистрации изображений». Обзоры вычислительной техники ACM . 24 (4): 325–376. дои : 10.1145/146370.146374 . S2CID 14576088 .

[guide-8] Jump up to: ^а ^б ^с ^д ^и ^ж ^г Кляйн, Стефан; Смотри, Мариус. «Эластикс, инструкция» (PDF) .

[Rue-9] Рюкерт, Д.; Сонода, Л.И.; Хейс, К.; Хилл, DLG; Лич, Миссури; Хоукс, диджей (1999). «Нежесткая регистрация с использованием деформаций свободной формы: применение к МРТ-изображениям молочной железы». Транзакции IEEE по медицинской визуализации . 18 (8): 712–721. дои : 10.1109/42.796284 . ПМИД 10534053 . S2CID 330039 .

[Davis-10] Дэвис, Миннесота; Хотанзад А.; Фламиг, ДП; Хармс, ЮВ (июнь 1997 г.). «Физическое преобразование координат для сопоставления трехмерных изображений». Транзакции IEEE по медицинской визуализации . 16 (3): 317–328. дои : 10.1109/42.585766 . ПМИД 9184894 . S2CID 37603411 .

[Unser-11] Унсер, М.; Тевеназ, П. (2000). «Оптимизация взаимной информации для регистрации изображений с различным разрешением» (PDF) . Транзакции IEEE при обработке изображений . 9 (12): 2083–2099. Бибкод : 2000ITIP....9.2083U . дои : 10.1109/83.887976 . ПМИД 18262946 .

[Unser1-12] Унсер, М. (1999). «Сплайны: идеально подходят для обработки сигналов и изображений» . Журнал обработки сигналов IEEE . 16 (6): 22–38. Бибкод : 1999ISPM...16...22U . дои : 10.1109/79.799930 .

[maintz-13] Майнц, Ж.Б.Антуан; Виргевер, Макс А. (март 1998 г.). «Обзор регистрации медицинских изображений». Анализ медицинских изображений . 2 (1): 1–36. дои : 10.1016/S1361-8415(01)80026-8 . ПМИД 10638851 .

[zuka-14] Зукаускайте, Рута; Бринк, Карстен; Хансен, Кристиан Ренн; Бертельсен, Андерс; Йохансен, Йорген; Грау, Кай; Эриксен, Йеспер Грау (20 июня 2016 г.). «Система регистрации деформируемых изображений с открытым исходным кодом для планирования лечения и повторных КТ». Лучевая терапия и онкология . 192 (8): 545–551. дои : 10.1007/s00066-016-0998-4 . ПМИД 27323754 . S2CID 7195038 .

[shamonin-15] Шамонин, Денис (2013). «Быстрая параллельная регистрация изображений на процессоре и графическом процессоре для диагностической классификации болезни Альцгеймера» . Границы нейроинформатики . 7:50 . дои : 10.3389/fninf.2013.00050 . ПМЦ 3893567 . ПМИД 24474917 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]