在三维核磁共振扫描 A 、 B 和 C 的情况下，我想在 A 上执行 B 的仿射(Co)配准，获取注册的仿射矩阵，并将其应用于 C 。

我的问题是，配准变换的仿射矩阵有错误的符号。也许是因为错误的定位？

TransformParameters 包含12个值，其中前9个是按行大顺序排列的旋转矩阵，最后3个是平移值。

TransformParameters = [R1, R2, R3, R4, R5, R6, R7, R8, R9, Tx, Ty, Tz]
registration_affine = [[R1, R2, R3, Tx],
                       [R4, R5, R6, Ty],
                       [R7, R8, R9, Tz],
                       [0,  0,  0,  1 ]]

我知道ITK拥有 LPS 方向的图像和 RAS 中的nibabel图像。因此，我尝试将方向差异的更改应用于 transform_affine ，但这并没有奏效。

我无法获得与ITK相同的注册输出，下面我将展示一些数字示例和我的最小代码示例。

为了测试这一点，我将仿射变换应用于现有的图像。该变换矩阵的逆是配准能找到的真仿射。

array([[ 1.02800583,  0.11462834, -0.11426342, -0.43383606],
       [ 0.11462834,  1.02800583, -0.11426342,  0.47954143],
       [-0.11426342, -0.11426342,  1.02285268, -0.20457054],
       [ 0.        ,  0.        ,  0.        ,  1.        ]])

但是，正如上面所解释的仿射，产生了：

array([[ 1.02757335,  0.11459412,  0.11448339,  0.23000557],
       [ 0.11410441,  1.02746452,  0.11413955, -0.20848751],
       [ 0.11398788,  0.11411115,  1.02255042, -0.04884404],
       [ 0.        ,  0.        ,  0.        ,  1.        ]])

你可以看到，这些值非常接近，但只有符号是错误的。事实上，如果我手动设置与“真”矩阵相同的符号，则转换矩阵是好的。

在MONAI的ITK加载程序中，我找到了建议执行以下操作将ITK仿射转换为nibabel仿射的代码：

np.diag([-1, -1, 1, 1]) @ registration_affine

如果我使用nibabels ornt_transform 方法将ornt从 LPS 转换为 RAS ，则返回 [-1, -1, 1] 并匹配在MONAI的ITK加载程序中所做的工作。

但是，将这一点应用于上面的仿射实际上并不能产生正确的符号(仅在翻译位中)：

array([[-1.02757335, -0.11459412, -0.11448339, -0.23000557],
       [-0.11410441, -1.02746452, -0.11413955,  0.20848751],
       [ 0.11398788,  0.11411115,  1.02255042, -0.04884404],
       [ 0.        ,  0.        ,  0.        ,  1.        ]])

所以我被困在这里了。

这里有一个完整的最小代码示例来运行我正在做/试图做的事情。还请参阅下面的示例数据和包版本。

import nibabel
import numpy as np
from monai.transforms import Affine
from nibabel import Nifti1Image
import itk
# Import Images
moving_image = itk.imread('moving_2mm.nii.gz', itk.F)
fixed_image = itk.imread('fixed_2mm.nii.gz', itk.F)
# Import Default Parameter Map
parameter_object = itk.ParameterObject.New()
affine_parameter_map = parameter_object.GetDefaultParameterMap('affine', 4)
affine_parameter_map['FinalBSplineInterpolationOrder'] = ['1']
parameter_object.AddParameterMap(affine_parameter_map)
# Call registration function
result_image, result_transform_parameters = itk.elastix_registration_method(
    fixed_image, moving_image, parameter_object=parameter_object)
parameter_map = result_transform_parameters.GetParameterMap(0)
transform_parameters = np.array(parameter_map['TransformParameters'], dtype=float)
itk.imwrite(result_image, 'reg_itk.nii.gz', compression=True)
# Convert ITK params to affine matrix
rotation = transform_parameters[:9].reshape(3, 3)
translation = transform_parameters[-3:][..., np.newaxis]
reg_affine: np.ndarray = np.append(rotation, translation, axis=1)  # type: ignore
reg_affine = np.append(reg_affine, [[0, 0, 0, 1]], axis=0)  # type: ignore
# Apply affine transform matrix via MONAI
moving_image_ni: Nifti1Image = nibabel.load('moving_2mm.nii.gz')
fixed_image_ni: Nifti1Image = nibabel.load('fixed_2mm.nii.gz')
moving_image_np: np.ndarray = moving_image_ni.get_fdata()  # type: ignore
LPS = nibabel.orientations.axcodes2ornt(('L', 'P', 'S'))
RAS = nibabel.orientations.axcodes2ornt(('R', 'A', 'S'))
ornt_transform = nibabel.orientations.ornt_transform(LPS, RAS)[:, -1]  # type: ignore
affine_transform = Affine(affine=np.diag([*ornt_transform, 1]) @ reg_affine, image_only=False)
out_img, out_affine = affine_transform(moving_image_np[np.newaxis, ...])
reg_monai = np.squeeze(out_img)
out = Nifti1Image(reg_monai, fixed_image_ni.affine, header=fixed_image_ni.header)
nibabel.save(out, 'reg_monai.nii.gz')

输入数据：

• 2mm.nii.gz
• 2mm.nii.gz

产出数据：

• itk.nii.gz
• monai.nii.gz

包版本：

itk-elastix==0.12.0
monai==0.8.0
nibabel==3.1.1
numpy==1.19.2

我以前在ITKElastix项目GitHub https://github.com/InsightSoftwareConsortium/ITKElastix/issues/145 上问过这个问题，但没能解决我的问题。多亏了dzenanz和瞪着眼睛想帮忙的人。