医用画像に興味のあるみなさん、こんにちは！
今回は、「医用画像位置合わせの基礎シリーズ①〜⑧」の総まとめです。
このシリーズが、医用画像処理に興味を持ってもらえたり、ImageJに触れたり、研究を始めるきっかけになれば、幸いです。
では、第１回〜第８回を振り返っていきます。
今回は、「医用画像位置合わせの基礎シリーズ①〜⑧」の総まとめです。
このシリーズが、医用画像処理に興味を持ってもらえたり、ImageJに触れたり、研究を始めるきっかけになれば、幸いです。
では、第１回〜第８回を振り返っていきます。
第１回〜第３回は、「画像の類似度の指標」について紹介しました。
第１回 『画像の類似度とは？』では、画像の類似度の指標のいくつか（差分２乗和（SSD）、相互相関値（NCC）など）を紹介しました。
第２回『相互情報量とは？』では、その中でも、最も良く用いられる指標の１つ「相互情報量」を詳しく解説しました。
第３回『MRI画像を用いた相互情報量の計算』では、実際に、MRI画像を回転させながら、元画像との「相互情報量」がどのように変化するかを実装しました。
第３回『MRI画像を用いた相互情報量の計算』では、実際に、MRI画像を回転させながら、元画像との「相互情報量」がどのように変化するかを実装しました。
第４回〜第７回は、ImageJやFijiのプラグインを用いて「画像位置合わせの実装」を行いました。
画像位置合わせは、画像の類似度の評価関数を最大(小)化するように、移動・変形のパラメータをアップデートする最適化問題で、評価関数やパラメータに何を選択するのかによって、位置合わせの方法も変わります。
第４回『LPixel ImageJ Pluginを用いた画像位置合わせ』では、「平行移動」による位置合わせをLPixel社が開発したImageJプラグインを用いて実装しました。平行移動ベクトル（パラメータ）に対応する画素値の相互相関値マップ（評価値）に基づいて位置合わせが行われていることがよく理解できます。
第４回『LPixel ImageJ Pluginを用いた画像位置合わせ』では、「平行移動」による位置合わせをLPixel社が開発したImageJプラグインを用いて実装しました。平行移動ベクトル（パラメータ）に対応する画素値の相互相関値マップ（評価値）に基づいて位置合わせが行われていることがよく理解できます。
第５回『Fiji Pluginを用いた画像位置合わせ』では、「平行移動＋回転移動」による位置合わせをFijiのプラグインを用いて実装しました。
・「平行移動＋回転移動」による位置合わせは、画像の変形がないので、剛体位置合わせ（Rigid registration）と呼ばれます。
・複数の画像ファイルを一括して、元画像に位置合わせを行うプラグインも紹介しました（下図）
・「平行移動＋回転移動」による位置合わせは、画像の変形がないので、剛体位置合わせ（Rigid registration）と呼ばれます。
・複数の画像ファイルを一括して、元画像に位置合わせを行うプラグインも紹介しました（下図）
第６回『アフィン変換とは？』では、「平行移動＋回転移動＋拡大・縮小」による位置合わせを行うアフィン変換について解説しました。
・「平行移動（Tx, Ty）＋回転移動（θ）＋拡大・縮小（λ）」による変換は、アフィン変換行列を用いた線形変換で全て表せること。
・「特異値分解」という操作によって、アフィン変換行列が求められること。
を解説しました。
・「平行移動（Tx, Ty）＋回転移動（θ）＋拡大・縮小（λ）」による変換は、アフィン変換行列を用いた線形変換で全て表せること。
・「特異値分解」という操作によって、アフィン変換行列が求められること。
を解説しました。
第７回『Fiji Pluginを用いたアフィン変換による画像位置合わせ』では、「平行移動＋回転移動＋拡大・縮小」による位置合わせをFijiのプラグインを用いて実装しました。
・2つの画像から対応する特徴点を抽出するプラグイン（アルゴリズムはSIFT）
・抽出された対応する特徴点を用いてアフィン変換による位置合わせを行うプラグイン
を紹介しました。
この場合は、アフィン変換行列がパラメータで、特徴点の座標誤差が評価値になりますね。
・2つの画像から対応する特徴点を抽出するプラグイン（アルゴリズムはSIFT）
・抽出された対応する特徴点を用いてアフィン変換による位置合わせを行うプラグイン
を紹介しました。
この場合は、アフィン変換行列がパラメータで、特徴点の座標誤差が評価値になりますね。
木田智士
