图像配准工具在高分辨率3D脑图像上的性能
计算机视觉与模式识别
2019-06-18 v1
摘要
组织透明化的最新进展使得以单细胞分辨率对完整器官成像成为可能。这些方法产生非常大的3D图像(整只小鼠脑达数吉字节)。分析这些图像的必要步骤是跨样本配准。现有的配准方法针对较低分辨率的图像模态(如MRI)开发，尚不清楚它们在此更大尺度下的性能与精度是否令人满意。在本研究中，我们使用经CUBIC协议透明化的不同小鼠脑数据来评估五种免费可用的图像配准工具。我们采用若干性能度量来评估精度，并以完成时间作为效率的度量。该评估结果表明，ANTS配准工具提供最佳的配准精度，而Elastix在精度可接受的方法中具有最高的计算效率。结果也凸显了开发针对这些高分辨率3D图像优化的新配准方法的必要性。
引用
@article{arxiv.1807.04917,
title = {Performance of Image Registration Tools on High-Resolution 3D Brain Images},
author = {Abdullah Nazib and James Galloway and Clinton Fookes and Dimitri Perrin},
journal= {arXiv preprint arXiv:1807.04917},
year = {2019}
}