В нейровизуализации , пространственная нормировка является обработка изображений шаг, более конкретно регистрации изображений методом. Человеческий мозг различается по размеру и форме, и одна из целей пространственной нормализации состоит в том, чтобы деформировать снимки человеческого мозга, чтобы одно место на снимке мозга одного субъекта соответствовало тому же месту на снимке мозга другого человека.
Это часто выполняется при функциональной нейровизуализации, основанной на исследованиях, когда нужно найти общую активацию мозга у нескольких людей. Сканирование мозга можно получить с помощью сканеров магнитно-резонансной томографии (МРТ) или позитронно-эмиссионной томографии (ПЭТ).
Процесс пространственной нормализации состоит из двух этапов:
- Спецификация / оценка варп-поля
- Применение warp-field с ресэмплингом
Оценка поля деформации может выполняться в одной модальности, например, МРТ, и применяться в другой модальности, например, ПЭТ, если МРТ и ПЭТ-сканирование существуют для одного и того же субъекта и они зарегистрированы совместно .
Пространственная нормализация обычно использует 3-мерную нежесткую модель преобразования (а «перекос поле») для коробления сканирования мозга в шаблон. Поле деформации может быть параметризовано базисными функциями, такими как косинус и полином .
Диффеоморфизмы как композиционные преобразования координат
В качестве альтернативы, многие продвинутые методы пространственной нормализации основаны на сохраняющих структуру гомеоморфизмах и диффеоморфизмах преобразований, поскольку они несут гладкие подмногообразия гладко во время преобразования. Диффеоморфизмы генерируются в современной области вычислительной анатомии на основе диффеоморфных потоков, также называемых диффеоморфными отображениями . Однако такие преобразования через диффеоморфизмы не являются аддитивными, хотя они образуют группу с функциональной композицией и нелинейно действуют на изображения через групповое действие . По этой причине потоки, которые обобщают идеи аддитивных групп, позволяют генерировать большие деформации, которые сохраняют топологию, обеспечивая 1-1 и преобразования. Вычислительные методы для генерации такого преобразования часто называют LDDMM [1] [2] [3] [4], которые предоставляют потоки диффеоморфизмов в качестве основного вычислительного инструмента для соединения систем координат, соответствующих геодезическим потокам вычислительной анатомии .
Существует ряд программ, которые реализуют как оценку, так и применение поля деформации. Это часть программ SPM и AIR , а также MRI Studio и MRI Cloud.org [5] [6]
Смотрите также
Рекомендации
- ^ Тога, Arthur W. (17 ноября 1998). Деформация мозга . Академическая пресса. ISBN 9780080525549.
- ^ «Сопоставление ориентиров на поверхности мозга с помощью диффеоморфизмов большой деформации на сфере - Университет Юты» . utah.pure.elsevier.com . Проверено 21 марта 2016 года .
- ^ Бег, М. Фейсал; Миллер, Майкл I .; Труве, Ален; Юнес, Лоран (2005). "Вычисление метрических отображений большой деформации через геодезические потоки диффеоморфизмов" . Международный журнал компьютерного зрения . 61 (2): 139–157. DOI : 10,1023 / Б: VISI.0000043755.93987.aa . S2CID 17772076 . Проверено 21 марта 2016 года .
- ^ Джоши, Южная Каролина; Миллер, Мичиган (1 января 2000 г.). «Соответствие ориентира через диффеоморфизмы большой деформации». IEEE Transactions по обработке изображений . 9 (8): 1357–1370. Bibcode : 2000ITIP .... 9.1357J . DOI : 10.1109 / 83.855431 . ISSN 1057-7149 . PMID 18262973 .
- ^ https://mricloud.org/ . Отсутствует или пусто
|title=
( справка ) - ^ https://www.mristudio.org/wiki/ . Отсутствует или пусто
|title=
( справка )