Auszug
In diesem Beitrag wird eine neuartige Methode für die nichtlineare Bildregistrierung vorgestellt. Dabei wird das klassische Energieminimierungsproblem Intensitäts-basierter Methoden in eine Markov Random Field Formulierung eingebettet. Dieses ermöglicht die Nutzung von effizienten diskreten Optimierungsmethoden, die unabhängig von der tatsächlich verwendeten Kostenfunktion eine quasi-optimale Lösung berechnen. Free Form Deformations werden als Transformationsmodell in Betracht gezogen und die Registrierung wird so auf ein diskretes Labeling-Problem reduziert. Jedem Kontrollpunkt wird eine Verschiebung zugeordnet und so die optimale Konfiguration des Modells errechnet. Das viel versprechende Potential des Frameworks wird klinischen Daten evaluiert.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Hellier P, Barillot C. Coupling dense and landmark-based approaches for nonrigid registration. IEEE Trans Med Imaging. 2003;22(2):217–27.
Rohr K, Fornefett M, Stiehl HS. Spline-based elastic image registration: integration of landmark errors and orientation attributes. Comp Vis Image Understand. 2003;90(2):153–68.
Pennec X, Ayache N, Thirion JP. Landmark-based registration using features identified through differential geometry. In: Handbook of Medical Imaging; 2000. p. 499–513.
Cachier P, Bardinet E, Dormont D, et al. Iconic feature based nonrigid registration: the PASHA algorithm. Comp Vis Image Understand. 2003;89(2–3):272–98.
Rueckert D, Sonoda L, Hayes C, et al. Nonrigid registration using free-form deformations: Application to breast MR images. IEEE Transa Med Imaging. 1999;18(8):712–21.
Modersitzki J. Numerical Methods for Image Registration. Oxford University Press; 2004.
Hajnal J, Hill DLG, Hawkes DJ, editors. Medical Image Registration. CRC Press; 2001.
Maes F, Collignon A, Vandermeulen D, et al. Multimodality image registration by maximization of mutual information. IEEE Trans Med Imaging. 1997;16(2):187–98.
Zollei L, Fisher J, Wells W. An introduction to statistical methods of medical image registration. In: Paragios N, Chen Y, Faugeras O, editors. Handbook of Mathematical Models in Computer Vision. Springer; 2005.
Roche A, Malandain G, Pennec X, et al. The correlation ratio as a new similarity measure for multimodal image registration. Proc MICCAI. 1998.
Glocker B, Komodakis N, Paragios N, et al. Inter and intra-modal deformable registration: Continuous deformations meet efficient optimal linear programming. In: Information Processing in Medical Imaging; 2007.
Komodakis N, Tziritas G, Paragios N. Fast, Approximately optimal solutions for single and dynamic MRFs. Proc CVPR. 2007.
Glocker B, Komodakis N, Paragios N, et al. Primal/Dual linear programming and statistical atlases for cartilage segmentation. Proc MICCAI. 2007
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2008 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Glocker, B., Komodakis, N., Paragios, N., Tziritas, G., Navab, N. (2008). Effiziente nichtlineare Registrierung mittels diskreter Optimierung. In: Tolxdorff, T., Braun, J., Deserno, T.M., Horsch, A., Handels, H., Meinzer, HP. (eds) Bildverarbeitung für die Medizin 2008. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-78640-5_18
Download citation
DOI: https://doi.org/10.1007/978-3-540-78640-5_18
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-78639-9
Online ISBN: 978-3-540-78640-5
eBook Packages: Computer Science and Engineering (German Language)