Evaluation of image registration spatial accuracy using a Bayesian hierarchical model.
Evaluation of image registration spatial accuracy using a Bayesian hierarchical model.
复制标题
DOI：
10.1111/biom.12146
复制
发表时间：
2014-06
期刊：
影响因子：
1.9
通讯作者：
Johnson VE
中科院分区：
文献类型：
--
作者：
Liu S;Yuan Y;Castillo R;Guerrero T;Johnson VE
为了评估自动可变形图像配准（automated deformable image registration，简称RDR）算法的实用性，有必要评估RDR算法本身的配准精度，以及获得“金标准”的人类读者的配准精度。我们提出了一个贝叶斯层次模型来评估人类读者的空间精度和自动识别方法的基础上，由人类读者和自动识别方法产生的多个图像配准数据。为了充分考虑所有图像中地标的位置，我们将地标的真实位置视为潜在变量，并对在图像对中观察到的配准误差的大小施加分层结构。使用高斯过程对多个配准误差进行建模，该高斯过程具有关于确定相关联的协方差矩阵的先验参数的参考先验密度。我们开发了一个吉布斯采样算法，以有效地适合我们的模型，高维数据，并应用所提出的方法来分析从4D胸部CT研究获得的图像数据集。
To evaluate the utility of automated deformable image registration (DIR) algorithms, it is necessary to evaluate both the registration accuracy of the DIR algorithm itself, as well as the registration accuracy of the human readers from whom the ”gold standard” is obtained. We propose a Bayesian hierarchical model to evaluate the spatial accuracy of human readers and automatic DIR methods based on multiple image registration data generated by human readers and automatic DIR methods. To fully account for the locations of landmarks in all images, we treat the true locations of landmarks as latent variables and impose a hierarchical structure on the magnitude of registration errors observed across image pairs. DIR registration errors are modeled using Gaussian processes with reference prior densities on prior parameters that determine the associated covariance matrices. We develop a Gibbs sampling algorithm to efficiently fit our models to high-dimensional data, and apply the proposed method to analyze an image dataset obtained from a 4D thoracic CT study.
登录
查看更多内容
影响因子：
3.1
作者：
Hof, H;Herfarth, KK;Debus, J
通讯作者：
Debus, J
影响因子：
4.5
作者：
Paulo, R
通讯作者：
Paulo, R
影响因子：
3.5
作者：
Castillo, Richard;Castillo, Edward;Guerrero, Thomas
通讯作者：
Guerrero, Thomas
影响因子：
4.4
作者：
Johnson, Valen E.
通讯作者：
Johnson, Valen E.
影响因子：
14.4
作者：
HORN, BKP;SCHUNCK, BG
通讯作者：
SCHUNCK, BG