El análisis estadístico de formas es un análisis de las propiedades geométricas de un determinado conjunto de formas mediante métodos estadísticos . Por ejemplo, podría usarse para cuantificar las diferencias entre las formas del cráneo de los gorilas machos y hembras, las formas óseas normales y patológicas , los contornos de las hojas con y sin herbivoría por insectos, etc. Los aspectos importantes del análisis de formas son obtener una medida de la distancia entre formas, para estimar formas medias a partir de muestras (posiblemente aleatorias), para estimar la variabilidad de formas dentro de las muestras, para realizar agrupaciones y para probar las diferencias entre formas. [1] [2] Uno de los principales métodos utilizados es el análisis de componentes principales(PCA). El análisis estadístico de formas tiene aplicaciones en varios campos, que incluyen imágenes médicas , [3] visión por computadora , anatomía computacional , medición de sensores y perfiles geográficos. [4]
Técnicas basadas en puntos de referencia
En el modelo de distribución de puntos , una forma está determinada por un conjunto finito de puntos de coordenadas, conocidos como puntos de referencia . Estos puntos de referencia a menudo corresponden a características identificables importantes, como las esquinas de los ojos. Una vez que se recogen los puntos, se realiza algún tipo de registro . Este puede ser un método de referencia utilizado por Fred Bookstein para la morfometría geométrica en antropología . O un enfoque como el análisis de Procusto que encuentra una forma promedio.
David George Kendall investigó la distribución estadística de la forma de los triángulos y representó cada triángulo por un punto en una esfera. Usó esta distribución en la esfera para investigar las líneas ley y si era más probable que tres piedras fueran colineales de lo que se esperaba. [5] La distribución estadística como la distribución de Kent se puede utilizar para analizar la distribución de dichos espacios.
Alternativamente, las formas se pueden representar mediante curvas o superficies que representan sus contornos, [6] por la región espacial que ocupan. [7]
Deformaciones de forma
Las diferencias entre formas se pueden cuantificar investigando las deformaciones que transforman una forma en otra. En particular, un difeomorfismo conserva la suavidad en la deformación. Esto fue pionero en On Growth and Form de D'Arcy Thompson antes de la llegada de las computadoras. [8] Las deformaciones pueden interpretarse como el resultado de una fuerza aplicada a la forma. Matemáticamente, una deformación se define como un mapeo de una forma xa una forma y por una función de transformación, es decir, . [9] Dada una noción de tamaño de deformaciones, la distancia entre dos formas se puede definir como el tamaño de la deformación más pequeña entre estas formas.
La difeomorfometría [10] se centra en la comparación de formas y formas con una estructura métrica basada en difeomorfismos, y es fundamental para el campo de la anatomía computacional . [11] El registro diffeomórfico, [12] introducido en los años 90, es ahora un actor importante con bases de códigos existentes organizadas alrededor de ANTS, [13] DARTEL, [14] DEMONS, [15] LDDMM , [16] StationaryLDDMM, [17] y FastLDDMM [18] son ejemplos de códigos computacionales utilizados activamente para construir correspondencias entre sistemas de coordenadas basados en características dispersas e imágenes densas. La morfometría basada en vóxeles (VBM) es una tecnología importante construida sobre muchos de estos principios. También se utilizan métodos basados en flujos difeomórficos. Por ejemplo, las deformaciones podrían ser difeomorfismos del espacio ambiental, lo que da como resultado el marco LDDMM ( Large Deformation Diffeomorphic Metric Mapping ) para la comparación de formas. [19]
Ver también
- Modelo de forma activa
- Análisis de datos geométricos
- Análisis de formas (desambiguación)
- Análisis de procusto
- Anatomía computacional
- Mapeo métrico diffeomórfico de deformación grande
- Estimación bayesiana de plantillas en anatomía computacional
- Modelo bayesiano de anatomía computacional
Referencias
- ^ IL Dryden y KV Mardia (1998). Análisis estadístico de formas . John Wiley e hijos. ISBN 978-0-471-95816-1.
- ^ H. Ziezold (1994). "Figuras medias y formas medias aplicadas a distribuciones de figuras y formas biológicas en el plano". Revista biométrica . Biometrical Journal, 36, págs. 491–510. 36 (4): 491–510. doi : 10.1002 / bimj.4710360409 .
- ^ G. Zheng; S. Li; G. Szekely (2017). Análisis estadístico de formas y deformaciones . Prensa académica. ISBN 9780128104941.
- ^ S. Giebel (2011). Zur Anwendung der Formanalyse . AVM, M \ "unchen.
- ^ Bingham, NH (1 de noviembre de 2007). "Profesor David Kendall" . The Independent . Consultado el 5 de abril de 2016 .
- ^ M. Bauer; M. Bruveris; P. Michor (2014). "Resumen de las geometrías de los espacios de forma y grupos de difeomorfismo". Revista de Visión y Imágenes Matemáticas . 50 (490): 60–97. arXiv : 1305.1150 . doi : 10.1007 / s10851-013-0490-z .
- ^ D. Zhang; G. Lu (2004). "Revisión de técnicas de representación y descripción de formas". Reconocimiento de patrones . 37 (1): 1–19. doi : 10.1016 / j.patcog.2003.07.008 .
- ^ D'Arcy Thompson (1942). Sobre crecimiento y forma . Prensa de la Universidad de Cambridge.
- ^ Definición 10,2 en IL Dryden y KV Mardia (1998). Análisis estadístico de formas . John Wiley e hijos. ISBN 978-0-471-95816-1.
- ^ Miller, Michael I .; Younes, Laurent; Trouvé, Alain (18 de noviembre de 2013). "Diffeomorfometría y sistemas de posicionamiento geodésico para anatomía humana" . Tecnología . 2 (1): 36–43. doi : 10.1142 / S2339547814500010 . ISSN 2339-5478 . PMC 4041578 . PMID 24904924 .
- ^ Grenander, Ulf; Miller, Michael I. (1 de diciembre de 1998). "Anatomía computacional: una disciplina emergente" . Q. Appl. Matemáticas . LVI (4): 617–694. doi : 10.1090 / qam / 1668732 . ISSN 0033-569X .
- ^ Christensen, GE; Rabbitt, RD; Miller, MI (1 de enero de 1996). "Plantillas deformables mediante cinemática de gran deformación". Transacciones IEEE sobre procesamiento de imágenes . 5 (10): 1435-1447. Código bibliográfico : 1996ITIP .... 5.1435C . doi : 10.1109 / 83.536892 . ISSN 1057-7149 . PMID 18290061 .
- ^ "stnava / ANTs" . GitHub . Consultado el 11 de diciembre de 2015 .
- ^ Ashburner, John (15 de octubre de 2007). "Un rápido algoritmo de registro de imágenes difeomórficas". NeuroImage . 38 (1): 95-113. doi : 10.1016 / j.neuroimage.2007.07.007 . ISSN 1053-8119 . PMID 17761438 .
- ^ "Software - Tom Vercauteren" . sites.google.com . Consultado el 11 de diciembre de 2015 .
- ^ "NITRC: LDDMM: herramienta / información de recursos" . www.nitrc.org . Consultado el 11 de diciembre de 2015 .
- ^ "Publicación: Comparación de algoritmos para registro difeomórfico: LDDMM estacionario y demonios diffeomórficos" . www.openaire.eu . Consultado el 11 de diciembre de 2015 .
- ^ Zhang, Miaomiao; Fletcher, P. Thomas (2015). "Álgebras de mentiras de dimensión finita para registro rápido de imágenes difeomórficas" . Procesamiento de información en imágenes médicas: Actas de la ... Conferencia . Apuntes de conferencias en Ciencias de la Computación. 24 : 249-259. doi : 10.1007 / 978-3-319-19992-4_19 . ISBN 978-3-319-19991-7. ISSN 1011-2499 . PMID 26221678 . S2CID 10334673 .
- ^ F. Beg; M. Miller; A. Trouvé; L. Younes (febrero de 2005). "Computación de mapas de métricas de gran deformación a través de flujos geodésicos de difeomorfismos". Revista Internacional de Visión por Computador . 61 (2): 139-157. doi : 10.1023 / b: visi.0000043755.93987.aa .