Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Divergence Functions and Geometric Structures They Induce on a Manifold Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

10. Diffeomorphic Iterative Centroid Methods for Template Estimation on Large Datasets

verfasst von : Claire Cury, Joan Alexis Glaunès, Olivier Colliot

Erschienen in: Geometric Theory of Information

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A common approach for analysis of anatomical variability relies on the estimation of a template representative of the population. The Large Deformation Diffeomorphic Metric Mapping is an attractive framework for that purpose. However, template estimation using LDDMM is computationally expensive, which is a limitation for the study of large datasets. This chapter presents an iterative method which quickly provides a centroid of the population in the shape space. This centroid can be used as a rough template estimate or as initialization of a template estimation method. The approach is evaluated on datasets of real and synthetic hippocampi segmented from brain MRI. The results show that the centroid is correctly centered within the population and is stable for different orderings of subjects. When used as an initialization, the approach allows to substantially reduce the computation time of template estimation.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Discrete Ladders for Parallel Transport in Transformation Groups with an Affine Connection Structure
Nächstes Kapitel Hartigan’s Method for -MLE: Mixture Modeling with Wishart Distributions and Its Application to Motion Retrieval
Fußnoten
Literatur
1.
Grenander, U., Miller, M.I.: Computational anatomy: an emerging discipline. Q. Appl. Math. 56(4), 617–694 (1998)
2.
Christensen, G.E., Rabbitt, R.D., Miller, M.I.: Deformable templates using large deformation kinematics. IEEE Trans. Image Process. 5(10), 1435–1447 (1996)
3.
Beg, M.F., Miller, M.I., Trouvé, A., Younes, L.: Computing large deformation metric mappings via geodesic flows of diffeomorphisms. Int. J. Comput. Vision 61(2), 139–157 (2005)
4.
Vaillant, M., Miller, M.I., Younes, L., Trouvé, A.: Statistics on diffeomorphisms via tangent space representations. Neuroimage 23, S161–S169 (2004)
5.
Glaunès, J., Joshi, S.: Template estimation from unlabeled point set data and surfaces for computational anatomy. In: Pennec, X., Joshi, S., (eds.) Proceedings of the International Workshop on the Mathematical Foundations of Computational Anatomy (MFCA-2006), pp. 29–39, 1 Oct 2006
6.
Durrleman, S., Pennec, X., Trouvé, A., Ayache, N., et al.: A forward model to build unbiased atlases from curves and surfaces. In: 2nd Medical Image Computing and Computer Assisted Intervention. Workshop on Mathematical Foundations of Computational Anatomy, pp. 68–79 (2008)
7.
Durrleman, S., Prastawa, M., Korenberg, J.R., Joshi, S., Trouvé, A., Gerig, G.: Topology preserving atlas construction from shape data without correspondence using sparse parameters. In: Ayache, N., Delingette, H., Golland, P., Mori, K. (eds.) Medical Image Computing and Computer-Assisted Intervention—MICCAI 2012. Lecture Notes in Computer Science, vol. 7512, pp. 223–230. Springer, Berlin (2012)
8.
Ma, J., Miller, M.I., Trouvé, A., Younes, L.: Bayesian template estimation in computational anatomy. Neuroimage 42(1), 252–261 (2008)
9.
Durrleman, S., Pennec, X., Trouvé, A., Ayache, N.: Statistical models of sets of curves and surfaces based on currents. Med. Image Anal. 13(5), 793–808 (2009)CrossRef
10.
Arnaudon, M., Dombry, C., Phan, A., Yang, L.: Stochastic algorithms for computing means of probability measures. Stoch. Process. Appl. 122(4), 1437–1455 (2012)
11.
Ando, T., Li, C.K., Mathias, R.: Geometric means. Linear Algebra Appl. 385, 305–334 (2004)
12.
Schwartz, L.: Théorie des distributions. Bull. Amer. Math. Soc. 58, 78–85 (1952) 0002–9904
13.
de Rham, G.: Variétés différentiables. Formes, courants, formes harmoniques. Actualits Sci. Ind., no. 1222, Publ. Inst. Math. Univ. Nancago III. Hermann, Paris (1955)
14.
Vaillant, M., Glaunes, J.: Surface matching via currents. In: Information Processing in Medical Imaging, pp. 381–392. Springer, Berlin (2005)
15.
Glaunes, J.: Transport par difféomorphismes de points, de mesures et de courants pour la comparaison de formes et l’anatomie numérique. PhD thesis, Université Paris 13 (2005)
16.
Durrleman, S.: Statistical models of currents for measuring the variability of anatomical curves, surfaces and their evolution. PhD thesis, University of Nice-Sophia Antipolis (2010)
17.
Yang, X.F., Goh, A., Qiu, A.: Approximations of the diffeomorphic metric and their applications in shape learning. In: Information Processing in Medical Imaging (IPMI), pp. 257–270 (2011)
18.
Tenenbaum, J., Silva, V., Langford, J.: A global geometric framework for nonlinear dimensionality reduction. Science 290(5500), 2319–2323 (2000)
19.
Kendall, W.S.: Probability, convexity, and harmonic maps with small image i: uniqueness and fine existence. Proc. Lond. Math. Soc. 3(2), 371–406 (1990)CrossRefMathSciNet
20.
Karcher, H.: Riemannian center of mass and mollifier smoothing. Commun. Pure Appl. Math. 30(5), 509–541 (1977)
21.
22.
Afsari, B.: Riemannian \({\rm L^{p}}\) center of mass: existence, uniqueness, and convexity. Proc. Am. Math. Soc. 139(2), 655–673 (2011)
23.
Afsari, B., Tron, R., Vidal, R.: On the convergence of gradient descent for finding the riemannian center of mass. SIAM J. Control Optim. 51(3), 2230–2260 (2013)
24.
Emery, M., Mokobodzki, G.: Sur le barycentre d’une probabilité dans une variété. In: Séminaire de probabilités, vol. 25, pp. 220–233. Springer, Berlin (1991)
25.
Cury, C., Glaunès, J.A., Colliot, O.: Template estimation for large database: a diffeomorphic iterative centroid method using currents. In: Nielsen, F., Barbaresco, F. (eds.) GSI. Lecture Notes in Computer Science, vol. 8085, pp. 103–111. Springer, Berlin (2013)
26.
Chupin, M., Hammers, A., Liu, R.S.N., Colliot, O., Burdett, J., Bardinet, E., Duncan, J.S., Garnero, L., Lemieux, L.: Automatic segmentation of the hippocampus and the amygdala driven by hybrid constraints: method and validation. Neuroimage 46(3), 749–761 (2009)
27.
Glaunes, J., Trouvé, A., Younes, L.: Diffeomorphic matching of distributions: a new approach for unlabelled point-sets and sub-manifolds matching. In: Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 712–718 (2004)
Metadaten
Titel
Diffeomorphic Iterative Centroid Methods for Template Estimation on Large Datasets
verfasst von
Claire Cury
Joan Alexis Glaunès
Olivier Colliot
Copyright-Jahr
2014
Buch
Geometric Theory of Information

Print ISBN: 978-3-319-05316-5

Electronic ISBN: 978-3-319-05317-2

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-05317-2_10

Neuer Inhalt

    Bildnachweise