原始 MediaWiki 页面

我知道编辑这个网站吗？

斐济山

自迁移出 MediaWiki 以来，本页内容尚未经过审查。如果您愿意帮忙，请查看帮助指南！

javadoc Maven Central Downloads 当前斐济山版本：帅金银花（最后发布时间：10月16日）th, 2022). 插件 Fijiyama（斐济的另一种匹配和对齐工具）是一个通用工具，用于注册和对齐从各种成像模式（MRI、X 射线、显微镜、摄影等）收集的 3D 图像系列。 这项工作得到了法国农业部、France AgriMer、CNIV 和 IFV 的支持， VITIMAGE 和 VITIMAGE-2024 项目（Plan National Dépérissement du Vignoble）。该工具是在以下背景下开发的：

多模态时间序列注册

背景：使用各种成像设备或在监测实验过程中获取的3D图像通常具有不同的方向和位置，因此难以分析。在2D中修复这种错位很困难，在3D中更难以解决。另外，由于终端模态突出来自多个设备的图像可能非常不同。在这种情况下，结构和现象分析可能会受到影响。

目标： Fijiyama旨在通过帮助用户在独特的参考几何体中注册、对齐和组合多模式3D图像或时间序列来解决这些问题。配准后，堆栈被组合成连贯的多模式和/表格时间结构，可以使用ImageJ查看器进行探索。

用途性： Fijiyama 是一种通用工具，在任何规模、组织或成像模式下都有效。它已经过生物学和医学中最常见的成像方法的测试：MRI、X 射线、摄影…… Reg present 1

用于测试目的的带有 DOI 的数据集

完整的数据集可以在 dryad 的 this link 中找到。

演示

以下视频展示了斐济山应用的示例：注册了两个堆 MRI 3D 图像，这些图像是在不同日期的葡萄藤上采集的（详细信息请参阅“培训教程”）。

插件功能

  • 两张图片注册（训练/设置模式）
  • N次/M模态3D系列注册
  • 将连续的 ITK 变换组合成单个变换
  • 使用ITK变换对3D图像（或4D / 5D超图像）进行变换

为了多模态配准的复杂任务，基于块匹配算法进行计算（Ourselin §§9§§§et al.</i>，2000），这是一种在医学主题领域开发的通用配准算法的解决方案。插件中提供了 ITK 和 Simple ITK（Elastix 算法）的算法作为选项。要了解有关该插件的算法基础的更多信息，请参阅“内在的数学”原理部分。

安装

要在您的计算机上安装Fijiyama，请按照以下简单步骤操作： 窗口用户，警告。在本操作节中，您需要运行特定的。

1. （如果需要）从https://fiji.sc/下载并安装斐济；启动斐济，并保持自动更新。然后重启斐济。

2.打开Fiji，运行更新管理器 Plugins › Registration。单击“确定”关闭第一个弹出窗口，然后单击按钮管理更新站点…。

3.在此列表中，通过选中相应的组件来激活ImageJ-ITK。对IJPB-plugins执行相同的操作

并添加 Fijiyama 存储库（通过单击按钮 添加更新站点，并填写字段：名称 =“/plugins/fijiyama”，站点 = https://sites.imagej.net/Fijiyama），然后选中关联的复选框。

4.重新启动斐济：菜单Help › Update中应出现新的Fijiyama边境。如果没有，请返回到更新管理器，并检查是否正确选择了存储库ImageJ-ITK和Fijiyama。

5. 对于 Windows 用户，ImageJ 附带的 JAVA 包存在兼容性问题，因此必须安装不同版本的 JAVA。有关此问题的更多信息，请参阅第 https://imagej.net/learn/faq#on-windows. 处的文档 解决问题的方法：

  • a) 从 OpenLogic 网站 (https://www.openlogic.com/openjdk-downloads) 下载并安装 OpenJDK 8 的最新版本（.msi 安装程序文件）。
  • b) 在安装过程中，单击“定义JAVA_HOME变量”选项前面的红叉，选择“在本地磁盘上安装”选项（将会把红叉更改为硬盘图标）。
  • c) 安装完成后，转到 Fiji/ImageJ 软件的 Java 文件夹（通常为 …/fiji-win64/Fiji.app/java/）并删除该目录的内容。如果没有找到一堆 Java，ImageJ 将回退到的“Java 系统”，这由您刚刚安装的 JAVA_HOME 环境变量指示。
  • d) 重新启动ImageJ并享受FIJIYAMA，它应该可以工作了！

以下视频展示Fijiyama安装教程：

准备数据

为了注册您的数据，Fijiyama 需要正确格式化的数据集：

  • 对于图像成对配准：两个对象的两个3D堆栈/图像。使用您自己的数据或此处提供的示例数据集：case study 1, two-images registration
  • 对于系列注册：相同对象的 N 个 3D 堆栈/图像。使用您自己的数据或此处提供的示例数据集：case study 4, times series registration。
  • 一个空的“输出”目录，将用于Fijiyama存储配置文件、中间结果（转换）和最终结果（转换和生成的3D图像）。配置文件（*.fjm）完整跟踪您的工作。保存当前配准实验时，Fijiyama会存储的连续配准步骤和关联的计算文件。当稍后这一点重新启动时，您可以从查看整个过程，并“撤消”一个或多个步骤。

在开始注册之前，请检查您的图像安排：

  • 强度： 在 Fiji/ImageJ 中打开时，验证您感兴趣的对象与背景之间是否存在适当的解决。如果需要，请使用Image › Properties…，并设置顶部和顶部，关闭“亮度/读数”窗口。
  • 体素大小：使用ImageJ，检查图像属性Image › Adjust › Brightness / Contrast并根据需要更正4个中心值。长度单位应具有除“像素”之外的其他值（例如，可以是“mm”、“cm”、“μm”）。根据长度单位检查像素宽度/高度/深度的一致性。如果需要，打开“信息”菜单（| 要可视化体素深度是否与沿 X 和 Y 轴的像素大小一致，您可以使用 3D 查看器（插件 | 显示信息…），获取 dicom 参数或任何其他参数。 3D视图器）将对象渲染为3D体积。 检查信号强度和体素大小后，保存修改后的图像。然后运行Fijiyama，并选择两幅图像注册模式或系列注册模式。

注册管理器窗口

Fijiyama_reg_manager.png Once a registration scenario starts, you can interact with the registration manager window through (see image) :

  • 日志窗口：记住最后操作并了解插件对您的期望的指南
  • 设置菜单和按钮：可用于设置未来操作的参数
  • 操作按钮：第一行（开始、中止和撤消）驱动当前操作的生命周期，由菜单和当前设置定义。保存可用于保存注册文档，作为“检查点”。导出根据所执行的连续变换计算生成的三维图像。帮助可随时用于打开上下文帮助消息。
  • 操作列表：存储注册过程中完成的连续步骤。

    教程1：两张图像配准

为了实现两个 3D 图像的高效配准，我们建议执行以下步骤：

  • 第 1 步： 准备数据或下载示例集：case study 1, two-images registration
  • 第2步：在第一个菜单中选择“手动注册”并手动运行它。中心两个体积（中心应大致水平，角度< 15 度）。准备好后，按 “确定位置”（绿色按钮）。这第一步将帮助斐济山找到正确的方向。
  • 第 3 步： 选择 ‘自动注册’ 使用默认参数（块匹配）。如果要在运行期间监视注册情况，请在“手动注册查看器”菜单中选择“显示自动注册”。在开始此操作之前，请注意完成该操作所需的“预计时间”（根据您的计算机设置计算）。
  • 步骤 3-bis **（可选，取决于数据）：使用默认参数（块匹配）选择 **‘自动配准‘，然后在“估计转换”菜单中选择“矢量场”。
  • 第 4 步： 使用默认参数选择 “将两个图像与 XYZ 对齐”。如果需要更方便地表示数据（生成图形或分析），请转动场景以改善其方向。在示例数据集中，我们选择将红色圆柱体与白线（Z 轴）对齐，并将受伤点（表面上的孔）与 X 轴或 Y 轴对齐。
  • 第 5 步： 使用 “保存当前状态”按钮保存最终转换。
  • 第 6 步： 使用 “导出结果”按钮导出先前选择的“output/Exported_data”目录中已注册的 3D 图像。

教程 2：多模态时间序列注册

一旦熟悉了“两个图像注册”模块，请按照以下步骤尝试“系列注册”。如果您感到迷茫，可以参考这里的教程：

数据名称应遵循通用形式，例如： img_t{Time}_mod{ModalityName}.tif ，其中 {Time} 表示每个时间点的连续值，而 {ModalityName} 表示每个模态的名称。在示例数据集中，这已经完成，因为图像名称为： MRI_D0.tif 、 MRI_D1.tif 、 MRI_D2.tif 、 MRI_D3.tif ，其对应于具有通用表达式 MRI_D{Time}.tif 的单峰系列。

  • 步骤 2： 使用“两个图像”训练模块来确定注册图像的最佳操作流程，从一种模式到另一种模式，或从一个观察时间到另一个观察时间。
  • 第 3 步： 启动模块 “系列注册”，然后按照说明进行操作。经理将要求管道进行跨时间注册，然后进行跨模式注册。完成后，它将把这些步骤组合成一个完整的管道和流程。您可以重复按“开始此操作”，并执行所有步骤。
  • 第4步：执行完所有需要人工干预的操作后，使用“链运行”按钮要求Fijiyama自动连续执行所有步骤。
  • 第 5 步： 运行最后的操作。手动对齐步骤将在图像轴中设置参考几何体，保存和导出步骤将存储操作和结果。结果保存在 output/Exported_data 目录中。

补充功能

组合转换

链接线性和/或密集变换是系列处理的插件核心功能之一。此功能也可以用作帮助程序。
猜你已经计算过：

  • 将 Image1.tif 与 Image2.tif 对齐的变换 T12
  • 将 Image2.tif 与 Image3.tif 对齐的变换 T23

您可能需要将 Image1 与 Image3 对齐，以便比较三个 3D 图像。然而，应用连续的变换将导致强烈的模糊效果。为了避免这种模糊，您可能需要将两个转换步骤合并为一个。

使用组合变换函数依次运行要组合的连续变换（在示例中为T12，然后是T23），并生成最终的组合变换。

对 3d/4d/5d 图像应用变换

该模块是一个辅助函数，用于将 ITK 变换评估 3D 图像。从 Gorgeous Grapevine 版本开始，该函数可以评估 4D/5D 超图像，该变换被解释为 3D 变换，并在变换后的 3D 图像被收集回超栈识别图像超的每个通道/帧之前。

多功能性测试

Fijiyama插件已在多种数据（包括植物和人体组织）、不同的测量方式（从宏观到宏观）和不同的成像方式（显微镜、MRI、X射线和摄影）上进行了测试。

请参见下面视频中的示例：人体腹部 CT 扫描和 MRI 配准（由 Tridilogy SARL Samuel Mérigeaud 博士提供）<div class="video"><iframe src="https://www.youtube.com/embed/DVr3LBH5ayY" width="400" height="300" title="youtube video" frameborder="0" webkitallowfullscreen mozallowfullscreen allowfullscreen allow="accelerometer; encrypted-media; gyroscope; picture-in-picture"></iframe></div>

准确度测试

Fijiyama 可用于量化从而产生的不匹配。此测量过程作为附加功能集成在插件中，以帮助用户评估其结果，如本视频所示：“Fijiyama：量化注册后的平均不匹配”

斐济山的版本

Fijiyama 是一个活跃的项目，更新间隔。感谢斐济更新程序，每次斐济更新启动时，您的版本都会更新。

主要更新包括发布的新功能或主要重构，而次要更新（发布时间的更改）不应深度修改插件的行为，以保持结果的可重复性。这些信息可以在Fijiyama的启动界面中看到。

主要更新通过插件版本名称的更改来表示。对于小更新，仅修改发布时间。

Versioning_Fijiyama.jpeg

| | | | | | |————————————————————|———————————-|————————|—————————————————————————————————————————————————————————————————————————————————————-|—————————————————————————————————————————————————————————————-| | 版本名称| 首次发布 | 最新版本| 新功能集成| 引起再现性问题的修改| | 巴拿马树| 2020/02/10 | 2020/02/20 |集成多模式系列注册功能。在设置编辑器中重新定义默认设置。 |设置编辑器中的默认设置更改 | | 幸福榕| 2020/02/20 | 2020/03/02 |集成延时多模式系列功能。序列化文件的版本控制 | 3 月 1 日：开始对序列化文件进行版本控制。然后使用最小级别、最大级别和块匹配迭代的默认值打开先前序列化的文件。 | | 华丽的葡萄树| 2020/03/20 | 2020/03/20 |超图像支持（4D/5D 多通道或多时间图像注册 | | | 帅气金银花（未来版本）| 2020 年 6 月中旬 | … |新的变换模型：刚性 2D、相似性 2D、密集 2D。支持广泛的宏伟（缩小时强度必须提高的图像）。支持具有不同通道数的超图像 | … |

可能的问题和建议

  • 处理大型数据集：生物图像有时非常大。在延迟运动领域，BigStitcher插件使用BigDataViewer处理数据此类，因为其配准算法非常适合光片细胞的单峰数据，非常适合这个任务。 Fijiyama is based on the Blockmatching registration algorithm, robust for inter-modality. This algorithm is memory consuming and computation intensive. When starting Fijiyama, the plugin analyzes your computer settings and might propose to subsample your dataset to fasten the registration process. This will not impact the appearance of the final results since the exportation procedure is performed using the initial images, at the chosen resolution.
  • Windows下的3D翻译：Windows下，在3D_Viewer中使用SHIFT+拖动的翻译模式可能很危险。为了解决这个问题，我们将大量控件与数字键盘相关联。使用“4”和“6”键，您可以沿X轴平移选定的体积。沿Y轴使用“8”和“2”。使用“5”和“0”，沿Z轴。旋转可以用“7”和“9”（X）轴）、“1”和“3”（Y 轴）以及Z 轴的字符“p”和“o”来处理。
  • 3D视图消失：根据判断场景的平移/旋转顺序，Fiji/ImageJ的3D查看器有时会“冻结”。为了解决这个问题，将物体旋转90度角，观察者就会回来。
  • 其他问题？请告诉我们！尝试从头开始“重复”您的错误，确定产生错误的上下文，然后向相应的作者发送电子邮件，包括：
    • a compressed copy of your output directory
    • the copy of the content of the ImageJ log window (probably a hundred lines of sentences in red telling where Exceptions were encountered)
    • Any useful commentary
    • if possible, the content of the black log window
    • if possible, a link to the dataset used

      背后的数学原理

图像的配准是通过估计两个可估计图像（“移动图像”）的几何变换来实现的，以将其与另一个图像（“参考”图像）作为依据。

转换

Fijiyama处理以下转换系列：

  • 刚性变换（平移+旋转），使用VIB-lib估计
  • 使用VIB-lib估计相似性（刚性+各向同性相似因子）
  • 密集交通场（局部变换的通用表示），使用高斯插值估计

有关转换的更多详细信息，请查看官方书籍的补充数据（参见下面的“引用此工作”部分）

优化器

注册优化器的常见类别，与不同的注册策略相关：

  • ITK（Yoo et al. 2002）“标志性算法”迭代优化变换。优化过程使用两个 3D图像之间的全局相似性测量的加强改进为指导。选择这种测量方法，我们假设图像和运动关系图像的强度之间存在关系，并且这种在图像的任何点都是有效相同的。在处理多模式注册时，这种弱假设可能会导致鲁棒性问题。
  • 块匹配算法 (Ourselin et al. 2000)是一种混合方法，使用相似性图像来建立图像子部分之间的对应关系，然后使用这些对应关系来计算整个图像的全局变换。假设图像和运动图像的强度之间的关系在局部邻域中有效，则块匹配使用它来比较3D的子部分来识别对应关系。该算法是 Fijiyama 的默认算法。
  • Fijiyama 还没有“几何”准算法。此类算法的原理是从每幅图像中提取特征关系，并在提取的特征之间建立对应关系。这种方法可能会导致算法速度更快，但鲁棒性较差，因为很难定义模态配准、对象无关和图形相关的特征提取方法。但对于单峰配准，此类算法取得了巨大成功，例如 BigStitcher 的显微图像

限制

对于数据集（15 个及更多时间点）或图像（1GB+），应使用特定工具。以下是 §§0§§§ 和/或 Fiji 的插件娱乐列表，可用于大型数据集的 3D 注册：BigStitcher、Atlas_Toolkit、TrakEM2 或 Elastix 包装。在 ImageJ它在世界之外，对于那些没有脚本脚本的人来说，Elastix是一个合适的系列工具，Slicer也可以做得很好。仅限于两幅图像配准，MedInria是一种非常强大的流行的医学图像工具，与Fijiyama共享很多算法基础。

引用这篇文章

  • R. Fernandez 和 C. Moisy，(2020) Fijiyama：3D 多模态延迟效应的配准工具。 生物信息学

名人堂：斐济山社区

斐济山社区正在不断发展：我们有来自世界各地的天文学家、植物科学家、生物医学专家 世界各地。我们愿意接受错误报告和功能请求。如果您喜欢斐济山，请给我们发送电子邮件至 romainfernandez06ATgmail.com ！

以下是一些 Fijiyama 用户的简短列表，他们帮助我们编译了该软件，修复了一些错误， 或开发新功能。我们感谢他们：

kvilla Cedric Moisy，博士 - 法国葡萄酒与葡萄树研究所，法国蒙彼利埃。主题：葡萄树干病害组织破损检测及延迟监测
cmoisy Katie Villa 博士 - 麻省理工学院，Nedivi 实验室，波士顿，美国。主题：神经元可塑性
bpadman Esther Weshof 博士 - 斯隆凯特林癌症研究所，美国纽约。 主题：细胞器官发生
ewershof 本杰明·帕德曼（Benjamin Padman）博士 - 澳大利亚墨尔本莫纳什生物医学发现研究所。
jmatsuno 松野淳也，日本京都大学地球与行星科学部。主题：隼鸟空间吸附的外星物质分析。

＃＃接触

问题、功能请求？请联系romainfernandez06ATgmail.com

参考文献

  • Hörl、David、Fabio Rojas Rusak、Friedrich Preusser、Paul Tillberg、Nadine Randel、Raghav K. Chhetri、Albert Cardona 等。 2019。《BigStitcher：重建清晰和扩展样本的高分辨率图像数据集》。自然方法 16 (9): 870-74。 https://doi.org/10.1038/s41592-019-0501-0.
  • Ourselin, S.、A. Roche、S. Prima 和 N. Ayache。 2000。《块匹配：提高医学图像刚性配准鲁棒性的通用框架》。医学图像计算和计算机辅助干预 – MICCAI 2000，由 Scott L. Delp、Anthony M. DiGoia 和 Branislav Jaramaz 编辑，1935:557-66。柏林、海德堡：施普林格柏林海德堡。 https://doi.org/10.1007/978-3-540-40899-4_57.
  • Schindelin、Johannes、Ignacio Arganda-Carreras、Erwin Frise、Verena Kaynig、Mark Longair、Tobias Pietzsch、Stephan Preibisch 等。 2012。《斐济：生物图像分析的开源平台》。自然方法 9 (7): 676-82。 https://doi.org/10.1038/nmeth.2019.

  • Yoo、Terry S.、Michael J. Ackerman、William E. Lorensen、Will Schroeder、Vikram Chalana、Stephen Aylward、Dimitris Metaxas 和 Ross Whitaker。 2002 年。《图像处理 API 的工程和算法设计：ITK 技术报告 - 洞察工具包》。卫生技术和信息学研究 85：586-92。 ##软件依赖确认

  • Johannes Schindelin 等人的Fiji（Schindelin 等人，2012）
  • 约翰内斯·辛德林等人对于VIB-lib
  • Benjamin Schmid 等人的3D Viewer（Schmid 等人，2010）
  • ITK和SimpleITK团队（Yoo等人，2002年；Lowekamp等人，2013年）

许可证

该程序是开源自由软件：可以根据自由软件基金会（http://www.gnu.org/licenses/gpl.txt）发布的GNU通用公共许可证的条款进行重新分发和/或修改。

分发此程序的目的是希望它有用，但不提供任何保证；甚至没有适用性或特定用途适用性的默许保证。有关更多详细信息，请参阅 GNU 通用公共许可证。