python - Mattes Mutual Info 对 3D 图像配准的基本疑惑

Question

1. 消除相互信息质疑

在 SimpleITK Mattes 中，互信息是一种相似性度量度量，这是最大化函数还是最小化函数？

我尝试使用 Metric Mattes Mutual Info metric 和 Gradient Descent Optimizer 进行 3D 配准（图像尺寸：480*480*60）

numofbins = 30

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

迭代次数：25

指标值：-0.871268982129

numofbins = 4096

优化器停止条件：RegularStepGradientDescentOptimizerv4：34 次迭代后步长太小。当前步 (7.62939e-06) 小于最小步 (1e-05)。

迭代次数：23

指标值：-1.7890

如果它是一个最小化函数，那么较低的更好，我怀疑。

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

什么是修改时间？

公制是配准准确性的标志吗？更高的度量值是否意味着更好的配准？还是只是优化后的最佳值？

10-20% 的随机样本点足以进行注册。但问题是，样本是从主要 ROI 还是从 ROI 之外获取的？掩蔽是一个选项，SimpleITK 中还有其他选项吗？

谢谢

score 0 · Accepted Answer

ITK 中的相似性度量通常会给出成本，因此优化器会尝试将它们最小化。互信息是这个规则的一个例外（更高的 MI 更好），因此为了适应现有的框架，它具有负值 - 更大的负数优于小负数，同时仍然遵循应该最小化的逻辑。

修改时间用于检查某个过滤器是否应该更新。

通常，较低的指标意味着更好的配准。但是不同的指标之间没有可比性，甚至使用相同指标的不同类型的图像之间也没有可比性。

随机抽样将在您的投资回报率中抽取 10-20% 的样本。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。