بهبود ساخت مدل شکل آماری بافت‌های غیرصلب با کمک الگوریتم Coherent Point Drift

Authors

  • امیرحسین فروزان استادیار، گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران
  • مهدی دلاوری دانشجوی کارشناسی ارشد مهندسی پزشکی، گروه مهندسی پزشکی، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران
  • ین وی چن استاد، دانشکده علوم انفورماتیک و مهندسی، دانشگاه ریتسومیکان، شیگا، ژاپن
Abstract:

مدل­های شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده می­کنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکل­های مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعه­ی آموزش، یکی­از چالش­های مهم در ساخت مدل شکل آماری است. درین مقاله، از روش CPDجهت یافتن تناظر بین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر بین نقاط به دست آمد. پس­از یافتن نقاط متناظر، مدل شکل آماری با یک تبدیل صلب ایجاد شد. ارزیابی روش پیشنهادی با استفاده­از میزان فشردگی، قابلیّت تعمیم و اختصاصی بودن  انجام شد. مدل ساخته شده به کمک روش پیشنهادی با مدل­های ساخته شده به روش­های TPS-RPM، ICP ،MDL   مقایسه شد. نتایج نشان می­دهد که مدل پیشنهادی در معیار اختصاصی بودن با مقدار 06/0±21/0 مانند روش MDL عمل می­کند. در مورد معیارهای فشردگی و قابلیت تعمیم، نتایج به دست آمده با روش MDL مشابهت دارد. زمان متوسط اجرای الگوریتم در روش پیشنهادی 68 ثانیه است، در صورتی­که برای الگوریتم TPS-RPM390 ثانیه و برای الگوریتم MDL 3600 ثانیه است که برتری روش پیشنهادی را از نظر سرعت نشان می­دهد. هم­چنین در روش پیشنهادی، نسبت به روش­های ICP وTPS-RPM عملکرد بهتری به دست آمد.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود ساخت مدل شکل آماری بافت­های غیرصلب با کمک الگوریتم coherent point drift

مدل­ های شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده می­ کنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکل­ های مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعه ­ی آموزش، یکی­ از چالش ­های مهم در ساخت مدل شکل آماری است.  درین مقاله، از روش cpd جهت یافتن تناظربین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر ...

full text

Non-rigid point set registration: Coherent Point Drift

We introduce Coherent Point Drift (CPD), a novel probabilistic method for nonrigid registration of point sets. The registration is treated as a Maximum Likelihood (ML) estimation problem with motion coherence constraint over the velocity field such that one point set moves coherently to align with the second set. We formulate the motion coherence constraint and derive a solution of regularized ...

full text

3D non-rigid registration using color: Color Coherent Point Drift

Research into object deformations using computer vision techniques has been under intense study in recent years. A widely used technique is 3D non-rigid registration to estimate the transformation between two instances of a deforming structure. Despite many previous developments on this topic, it remains a challenging problem. In this paper we propose a novel approach to non-rigid registration ...

full text

Generalised Coherent Point Drift for Group-Wise Registration of Multi-dimensional Point Sets

In this paper we propose a probabilistic approach to groupwise registration of unstructured high-dimensional point sets. We focus on registration of generalised point sets which encapsulate both the positions of points on surface boundaries and corresponding normal vectors describing local surface geometry. Richer descriptions of shape can be especially valuable in applications involving comple...

full text

Towards Deformable Shape Modeling of the Left Atrium Using Non-Rigid Coherent Point Drift Registration

Modeling the deformable shape of the left atrium is of strong interest for many applications in cardiac diagnosis and intervention. In this paper, we propose a method for left atrium shape modeling using non-rigid point cloud registration. In particular, we build upon the concept of Coherent Point Drift (CPD) registration that considers the alignment as a probability density estimation problem....

full text

A robust feature-based registration method of multimodal image using phase congruency and coherent point drift

This paper presents a new feature matching algorithm for nonrigid multimodal image registration. The proposed algorithm first constructs phase congruency representations (PCR) of images to be registered. Then scale invariant feature transform (SIFT) method is applied to capture significant feature points from PCR. Subsequently, the putative matching is obtained by the nearest neighbour matching...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 8  issue 3

pages  213- 227

publication date 2014-09-23

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023