direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Page Content

Analysis of Neural Data

All Publications

Optimiertes Warping durch gewichtete Summen von Verschiebungsvektoren - eine neue Methode zur Reduktion von interindividuellen Variabilitäten von Hirndaten
Citation key Pielot1999
Author Pielot, R. and Scholz, M. and Obermayer, K. and Gundelfinger, E. and Hess, A.
Title of Book Bildverarbeitung für die Medizin
Pages 417 – 421
Year 1999
Editor Evers, H. and Glombitza, G., and Lehmann, T. and Meinzer, H.
Publisher Springer-Verlag Heidelberg
Abstract Warping ist eine Klasse von Bildverarbeitungsverfahren, die durch Neude nition raumlicher Beziehungen einzelner Bildpunkte zwei Bilder nicht-an geometrisch transformieren. In dieser Arbeit de nieren homologe Stutzpunkte jew  eils Verschiebungsvektoren. Die Verschiebung jedes Voxel wird durch die gewichtete Summe aller dieser Verschiebungsvektoren berechnet. Das jeweilige Gewicht wird durch den Abstand des Voxel zu einem Stutzpunkt  sowie dem Stutzpunkt-  spezi schen Gewichtungsfaktor bestimmt. Um diese Gewichtungsfaktoren zu optimieren, wird eine Evolutionstrategie angewendet. Die Fitness entspricht dem Kreuzkorrelationskoezienten zwischen Quelle und Ziel. Diese Methode wurde an arti ziellen dreidimensionalen Daten und an 3D-Rekonstruktionen von Autoradiographien von Nagergehirnen getestet. Die erzielte Optimierung fuhrte dabei zu einer v  erbesserten Qualitat des Warpings.
Link to original publication Download Bibtex entry

Zusatzinformationen / Extras

Quick Access:

Schnellnavigation zur Seite über Nummerneingabe

Auxiliary Functions