5分で使えるANTs画像レジストレーション

はじめに

当記事では，SyN(Symmetric image Normalization method)によるレジストレーションを目的としています．画像レジストレーションとは，二つの画像間の適切な変形場を求める作業です．

ANTsPy

レジストレーション，セグメンテーションツールで最良の精度を誇るANTs(Advanced Normalization Tools)はC++で書かれています．ANTsPyはANTsのwrapperであるPythonライブラリであり，今回はこれを使用します．

使用するデータ

ANTsPyに備え付けられているデータを使います．

fix = ants.image_read(ants.get_ants_data('r16'))
mov = ants.image_read(ants.get_ants_data('r64'))

画像は以下のような2次元ヒト脳です．

ants.get_ants_data('r16')は備え付け画像のパスを返します．

fix

ANTsImage
Pixel Type : float (float32)
Components : 1
Dimensions : (256, 256)
Spacing : (1.0, 1.0)
Origin : (0.0, 0.0)
Direction : [1. 0. 0. 1.]

ANTsでの入出力はANTsImageという型で行います．fix.numpy()のように書けばndarrayに変換できます．

Registration

ANTsの変形は，

• Translation（平行移動）
• Rigid（回転と平行移動）
• Affine（Rigidと拡大縮小）

などが基本で，それに加えて

• SyN
• TVMSQ

などが選択できます¹．当記事ではSyNを用いたレジストレーションを行います．

tx = ants.registration(fix, mov, type_of_transform = 'SyN', outprefix = 'SyN_r16_r64_')
warp = tx['warpedmovout']
tx

{'warpedmovout': ANTsImage
Pixel Type : float (float32)
Components : 1
Dimensions : (256, 256)
Spacing : (1.0, 1.0)
Origin : (0.0, 0.0)
Direction : [1. 0. 0. 1.],
'warpedfixout': ANTsImage
Pixel Type : float (float32)
Components : 1
Dimensions : (256, 256)
Spacing : (1.0, 1.0)
Origin : (0.0, 0.0)
Direction : [1. 0. 0. 1.],
'fwdtransforms': ['SyN_r16_r64_1Warp.nii.gz', 'SyN_r16_r64_0GenericAffine.mat'],
'invtransforms': ['SyN_r16_r64_0GenericAffine.mat',
'SyN_r16_r64_1InverseWarp.nii.gz']}

変形txは辞書で値を返します．tx['warpedmovout']が画像movを移動させたANTsImageです．tx['fwdtransforms']は今回用いられた変形場です．type_of_transform = 'SyN'では，Affine変換を行なった後に，SyNによる変形を行います．

fixとwarpのCCの平均は0.688となりました．

Registrationのparameter

parameterとしては，イテレーション回数，metric，サンプリング，多重解像度などを変更することができます．具体例をのせます．

ANTsのSyNのmetricはデフォルトだとMIですが，元論文²に従いCCを用います．

tx = ants.registration(fix, mov, type_of_transform = 'SyN', syn_sampling = 4, shrinkfactors = (8,4,2,1), smoothingsigmas = (3,2,1,0), reg_iterations = (1000,1000,100,20), syn_metric = 'CC')

この時のCCは0.883でした．

まとめ

当記事ではSyNアルゴリズムの使い方を説明しました．今回は2次元画像を用いましたが，3次元画像でも同様にできます．

Reference

ANTsPy github
公式のgitです．ここからインストールしましょう．

ANTsPy Documentation
広く浅くという印象です．

ANTsPy Source code for ants.registration.interface
分かりやすいです．これ詳細な情報はC++のコードにあります．

Appendix: Affineのparameter

レジストレーションでは，まずAffine変換を行ったのち，非線形変換を選ぶのが一般的です．最初の登録であるAffine変換の精度は重要です．しかしtype_of_transform = 'Affine' としてAffineを選択してもイテレーション回数や多重解像度の変数を変更することが出来ません．元のANTsだと変更できますが，ソースコードを見る限りANTsPyだとできないようです．

この解決策として，type_of_transform = 'TRSAA' を選択します．TRSAAはTranslation, Rigid, Similarity, Affine, Affine変換戦略です．前半のTranslation, Rigid, Similarityの部分ではparameterを変更できませんが，後半のAffine, Affine部分のparameterは変更することが出来ます．

tx = ants.registration(fix, mov, type_of_transform = 'TRSAA', grad_step = 0.2, shrinkfactors = (8,4,2,1), smoothingsigmas =(3,2,1,0), reg_iterations = (500,500,200,50))

この時のCCは0.427でした．

1. Bsplineによる変形はANTsには実装されていません．Elastixなどを用いましょう．
   B-spline registration 〜非線形画像登録への入門〜 ↩

2. Symmetric diffeomorphic image registration with cross-correlation: evaluating automated labeling of elderly and neurodegenerative brain ↩