Mapeo métrico difeomórfico de gran deformación
El mapeo métrico difeomórfico de gran deformación ( LDDMM ) es un conjunto específico de algoritmos utilizados para el mapeo difeomórfico y la manipulación de imágenes densas basadas en el mapeo métrico difeomórfico dentro de la disciplina académica de la anatomía computacional , para distinguirse de su precursor basado en el mapeo difeomórfico . La distinción entre los dos es que los mapas métricos difeomórficos satisfacen la propiedad de que la longitud asociada a su flujo fuera de la identidad induce una métrica en el grupo de difeomorfismos , que a su vez induce una métrica en la órbita de formas y formas dentro del campo de Anatomía computacional. El estudio de formas y formas con la métrica del mapeo métrico difeomórfico se denomina difeomorfometría .
Un sistema de mapeo difeomórfico es un sistema diseñado para mapear, manipular y transferir información que se almacena en muchos tipos de imágenes médicas distribuidas espacialmente.
El mapeo diffeomórfico es la tecnología subyacente para mapear y analizar información medida en sistemas de coordenadas anatómicas humanas que se han medido a través de imágenes médicas [ cita requerida ]. El mapeo diffeomórfico es un término amplio que en realidad se refiere a varios algoritmos, procesos y métodos diferentes. Se adjunta a muchas operaciones y tiene muchas aplicaciones de análisis y visualización. El mapeo diffeomórfico se puede utilizar para relacionar varias fuentes de información que se indexan en función de la posición espacial como la variable de índice clave. Los difeomorfismos, por su estructura de raíz latina, conservan las transformaciones, que a su vez son diferenciables y, por lo tanto, suaves, lo que permite el cálculo de cantidades basadas en métricas, como la longitud del arco y las áreas de superficie. La ubicación espacial y la extensión en los sistemas de coordenadas anatómicas humanas se pueden registrar a través de una variedad de modalidades de imágenes médicas, generalmente denominadas imágenes médicas multimodales, que proporcionan cantidades escalares o vectoriales en cada ubicación espacial.Los ejemplos son escalaresT1 o T2 de imágenes de resonancia magnética , o como 3x3 tensor de difusión matrices de difusión MRI y difusión ponderada de formación de imágenes , a las densidades escalares asociados a la tomografía computarizada (CT), o imágenes funcionales tales como los datos temporales de imágenes de resonancia magnética funcional y densidades escalares tales como Positron tomografía de emisión (PET) .
La anatomía computacional es una subdisciplina dentro del campo más amplio de la neuroinformática dentro de la bioinformática y las imágenes médicas . El primer algoritmo para el mapeo de imágenes densas a través del mapeo métrico difeomórfico fue el LDDMM de Beg [1] [2] para volúmenes y el emparejamiento de hitos de Joshi para conjuntos de puntos con correspondencia, [3] [4] con algoritmos LDDMM ahora disponibles para calcular mapas métricos difeomórficos entre no -hitos correspondientes [5] y coincidencia de puntos de referencia intrínsecos a colectores esféricos, [6] curvas, [7] corrientes y superficies, [8] [9] [10] tensores, [11]varifolds, [12] y series de tiempo. [13] [14] [15] El término LDDMM se estableció por primera vez como parte de la Red de Investigación en Informática Biomédica apoyada por los Institutos Nacionales de Salud . [dieciséis]
En un sentido más general, el mapeo difeomórfico es cualquier solución que registra o construye correspondencias entre sistemas de coordenadas densos en imágenes médicas al asegurar que las soluciones sean difeomórficas. Ahora hay muchos códigos organizados en torno al registro difeomórfico [17], incluidos ANTS, [18] DARTEL, [19] DEMONS, [20] StationaryLDDMM, [21] FastLDDMM, [22] [23] como ejemplos de códigos computacionales utilizados activamente para construir correspondencias entre sistemas de coordenadas basados en imágenes densas.
