Групповые действия в вычислительной анатомии - Group actions in computational anatomy

Групповые действия занимают центральное место в Риманова геометрия и определение орбиты (теория управления). Орбиты вычислительная анатомия состоит из анатомические формы и медицинские изображения; анатомические формы являются подмногообразиями дифференциальная геометрия состоящий из точек, кривых, поверхностей и подобъемов. Это обобщает идеи более известных орбит линейная алгебра которые линейные векторные пространства. Медицинские изображения - это скалярные и тензорные изображения из медицинская визуализация. Групповые действия используются для определения моделей человеческого облика, которые допускают вариации. Эти орбиты представляют собой деформируемые шаблоны, как первоначально более абстрактно сформулировано в теория паттернов.

Орбитальная модель вычислительной анатомии

Центральной моделью анатомии человека в вычислительной анатомии является Группы и групповые действия, классическая рецептура от дифференциальная геометрия. Орбита называется пространством формы и формы.[1] Пространство фигур обозначается , с группа с законом состава ; действие группы на фигуры обозначается , где действие группы определено, чтобы удовлетворить

Орбита шаблона становится пространством всех форм, .

Несколько групповых действий в вычислительной анатомии

Центральная группа в CA, определенная на томах в находятся группа диффеоморфизмов которые являются отображениями с 3-компонентными , закон сложения функций , с обратным .

Подмногообразия: органы, подкорковые структуры, диаграммы и погружения.

Для суб-коллекторы , параметризованный диаграммой или погружение , диффеоморфное действие потока позиции

.

Скалярные изображения, такие как МРТ, КТ, ПЭТ

Наиболее популярны скалярные изображения, , с действием справа через инверсию.

.

Ориентированные касательные к кривым, собственные векторы тензорных матриц

С различными действиями используется множество различных методов визуализации. Для изображений, таких что трехмерный вектор, то

Тензорные матрицы

Cao et al.[2] исследовали действия для картирования изображений МРТ, измеренных с помощью визуализации тензора диффузии и представленных с помощью основного собственного вектора. Для тензорных полей положительно ориентированный ортонормированный базис из , называемые кадрами, векторное векторное произведение, обозначаемое тогда

Репер Френе трех ортонормированных векторов, деформируется как касательная, деформируется как нормаль к плоскости, создаваемой , и . H однозначно ограничено положительным и ортонормированным основанием.

За неотрицательные симметричные матрицы, действие станет .

Для картирования изображений МРТ DTI[3][4] (тензоры), то собственные значения сохраняются с диффеоморфизмом, вращающим собственные векторы, и сохраняют собственные значения. Учитывая собственные элементы, тогда действие становится

Функция распределения ориентации и высокое угловое разрешение HARDI

Функция распределения ориентации (ODF) характеризует угловой профиль функции плотности вероятности диффузии молекул воды и может быть восстановлена ​​с помощью диффузионного изображения с высоким угловым разрешением (HARDI). ODF - это функция плотности вероятности, определенная на единичной сфере, . В области информационная геометрия,[5] пространство ODF образует риманово многообразие с метрикой Фишера-Рао. Для отображения LDDMM ODF выбрано представление с квадратным корнем, потому что это одно из наиболее эффективных представлений, обнаруженных на сегодняшний день, поскольку различные римановы операции, такие как геодезические, экспоненциальные и логарифмические отображения, доступны в закрытой форме. Далее обозначим квадратный корень ODF () в качестве , куда неотрицателен для обеспечения уникальности и .

Обозначим диффеоморфное преобразование как . Групповое действие диффеоморфизма на , , необходимо гарантировать неотрицательность и . На основании вывода в[6] это групповое действие определяется как

куда якобиан .

Рекомендации

  1. ^ Миллер, Майкл I .; Юнес, Лоран; Труве, Ален (01.03.2014). «Диффеоморфометрия и системы геодезического позиционирования для анатомии человека». Технологии. 2 (1): 36. Дои:10.1142 / S2339547814500010. ISSN  2339-5478. ЧВК  4041578. PMID  24904924.
  2. ^ Цао Y1, Миллер М.И., Уинслоу Р.Л., Юнес, Диффеоморфное метрическое отображение векторных полей с большой деформацией. IEEE Trans Med Imaging. 2005 сентябрь; 24 (9): 1216-30.
  3. ^ Александр, Д. С .; Pierpaoli, C .; Basser, P.J .; Джи, Дж. К. (2001-11-01). «Пространственные преобразования диффузионных тензорных магнитно-резонансных изображений» (PDF). IEEE Transactions по медицинской визуализации. 20 (11): 1131–1139. Дои:10.1109/42.963816. ISSN  0278-0062. PMID  11700739. S2CID  6559551.
  4. ^ Цао, Ян; Миллер, Майкл I .; Мори, Сусуму; Уинслоу, Раймонд Л .; Юнес, Лоран (2006-07-05). «Диффеоморфное сопоставление диффузных тензорных изображений». 2006 Конференция по компьютерному зрению и распознаванию образов Семинар (CVPRW'06). Ход работы. Конференция IEEE Computer Society по компьютерному зрению и распознаванию образов. 2006. п. 67. Дои:10.1109 / CVPRW.2006.65. ISBN  978-0-7695-2646-1. ISSN  1063-6919. ЧВК  2920614. PMID  20711423.
  5. ^ Амари, S (1985). Дифференциально-геометрические методы в статистике. Springer.
  6. ^ Du, J; Goh, A; Цю, А (2012). «Диффеоморфное метрическое отображение диффузионного изображения с высоким угловым разрешением на основе римановой структуры функций распределения ориентации». IEEE Trans Med Imaging. 31 (5): 1021–1033. Дои:10.1109 / TMI.2011.2178253. PMID  22156979. S2CID  11533837.