Tese

Generalized mutual information metrics for affine brain image registration: proposal and evaluation (2021)

• Authors:
  • Vianna, Vinicius Pavanelli
  • Murta Júnior, Luiz Otávio (Orientador)
• Autor USP: VIANNA, VINICIUS PAVANELLI - FFCLRP
• Unidade: FFCLRP
• Sigla do Departamento: 591
• DOI: 10.11606/T.59.2021.tde-17122021-175100
• Subjects: IMAGEM DIGITAL; CÉREBRO; PROCESSAMENTO DE IMAGENS; MÉTRICAS DE SOFTWARE; ENTROPIA
• Keywords: Brain images; Image registration; Imagens do cérebro; Imagens médicas; Informação mútua; Medical imaging; Mutual Information; Registro imagens; Tsallis entropy
• Language: Inglês
• Abstract: Teoria e objetivo: Registro de imagens é uma operação fundamental no processamento de imagens médicas, permitindo uma variedade de aplicações. Informação Mútua (em inglês, Mutual Information - MI) é consolidada como uma métrica de similaridade robusta muito utilizada no registro de imagens médicas. Embora a MI forneça um registro robusto, ela usualmente falha quando a transformação necessária para registrar uma imagem é muito grande, por causa de armadilhas causadas por máximos locais. Métodos: Nesta tese, eu proponho e avalio a Informação Mútua Generalizada (em inglês, Generalized MI - GMI), usando a entropia de Tsallis, como uma métrica de registro affine com equações aditivas e não-aditivas. Avaliamos as metricas em transformações affine separadamente e avaliamos exaustivamente o sinal gerado pela GMI procurando pela maior faixa de captura através de um gradiente descendente simulado e de uma simulação de registros reais de imagens transladadas usando Monte Carlo. Resultados: As métricas GMI mostraram isosuperfícies mais suaves que guiam de forma melhor o algoritmo de registro para a solução. Os resultados mostraram faixas de registros significantemente prolongadas, sem máximos locais no espaço das métricas, avaliadas em uma faixa de 150 mm para as translações, 360° para as rotações, [ 0.5, 2 ] para a escala e [ -1, 1 ] para o cisalhamento, com uma taxa de sucesso de 99,99%, 88,20%, 99,99%, e 99,99%, respectivamente, no gradiente descendente simulado. Também obtive 99,75%de sucesso na simulação de Monte Carlo de 2.000 registros de translações com 1.113 pacientes, duplamente randomizados, usando imagens cerebrais MRI T1 e T2. Conclusões: Os achados apontam para uma confiabilidade da GMI para registro de longoalcance. Registros usando MI com a entropia de Tsallis requerem índices entrópicos (q) específicos para cada parâmetro da transformação, e também uma seleção adequada das equações aditivas e não-aditivas, dependendo do tipo de transformação sendo feito. Também, com a computação paralela e um maior poder computacional, uma análise melhor do sinal presente nas imagens, sem simplificações como amostragem de vóxels ou discretização (binning) do histograma, provêem um registro com MI mais eficiente e robusto, conforme a simulação de Monte Carlo mostrou
• Imprenta:
  • Publisher place: Ribeirão Preto
  • Date published: 2021
• Data da defesa: 26.10.2021

Informações sobre o DOI: 10.11606/T.59.2021.tde-17122021-175100 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo NÃO é de acesso aberto
  

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  VIANNA, Vinicius Pavanelli. Generalized mutual information metrics for affine brain image registration: proposal and evaluation. 2021. Tese (Doutorado) – Universidade de São Paulo, Ribeirão Preto, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-17122021-175100/. Acesso em: 27 jan. 2026.

• APA

  Vianna, V. P. (2021). Generalized mutual information metrics for affine brain image registration: proposal and evaluation (Tese (Doutorado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59135/tde-17122021-175100/

• NLM

  Vianna VP. Generalized mutual information metrics for affine brain image registration: proposal and evaluation [Internet]. 2021 ;[citado 2026 jan. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-17122021-175100/

• Vancouver

  Vianna VP. Generalized mutual information metrics for affine brain image registration: proposal and evaluation [Internet]. 2021 ;[citado 2026 jan. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59135/tde-17122021-175100/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Long-range medical image registration through generalized mutual information (GMI): towards a fully automatic volumetric alignment