Tsallis熵在跨模态神经图像配准中的验证

Henrique Tomaz Amaral-Silva; Luiz Otavio Murta-Jr; Paulo Mazzoncini de Azevedo-Marques; Lauro Wichert-Ana; V. B. Surya Prasath; Colin Studholme

Tsallis熵在跨模态神经图像配准中的验证

计算机视觉与模式识别 2016-11-08 v1

作者: Henrique Tomaz Amaral-Silva , Luiz Otavio Murta-Jr , Paulo Mazzoncini de Azevedo-Marques , Lauro Wichert-Ana , V. B. Surya Prasath , Colin Studholme

在 arXiv 上查看 ↗ PDF ↗

摘要

医学图像配准在确定功能诊断和治疗目的下的地形与形态变化方面起着重要作用。手动对齐和半自动软件仍被使用；然而它们具有主观性且使专家耗费宝贵时间。全自动方法更快且独立于用户，但关键点在于配准可靠性。使用基于香农熵的互信息(MIS)的相似性度量是目前医学图像中最常用的自动化方法，尽管过去十年中已提出更可靠的算法，提出了改进和不同的熵；例如Studholme等人(1999)证明了互信息的归一化(NMI)为三维医学图像配准提供了不变熵度量。本文描述了一组实验，以评估Tsallis熵在互信息(MIT)和归一化互信息(NMIT)中作为磁共振成像(MRI)、正电子发射断层扫描(PET)和计算机断层扫描(CT)检查配准代价函数的适用性。在简单图像模型中改变重叠的效果以及对当前熵(熵相关系数-ECC、MIS和NMI)与所提熵(MIT和NMT)的临床实验表明，具有接近1的Tsallis参数的NMI和NMIT是CT到MRI以及PET到MRI自动神经影像配准的最佳选择(置信度与精度)。

关键词

医学图像配准 Tsallis熵互信息跨模态神经图像 MRI PET CT

引用

@article{arxiv.1611.01730,
  title  = {Validation of Tsallis Entropy In Inter-Modality Neuroimage Registration},
  author = {Henrique Tomaz Amaral-Silva and Luiz Otavio Murta-Jr and Paulo Mazzoncini de Azevedo-Marques and Lauro Wichert-Ana and V. B. Surya Prasath and Colin Studholme},
  journal= {arXiv preprint arXiv:1611.01730},
  year   = {2016}
}

备注

15 pages, 11 figures, 2 tables

Tsallis熵在跨模态神经图像配准中的验证

摘要

关键词

引用

备注

相关论文