hessian_determinant — REPRCONV `derivative` op

• Datenarten: hessian → voxel

• Aufruf: import fullseye as fs; fs.ledger.hessian_determinant(hessian) (die Implementierung direkt: import reprconv; reprconv.hessian_determinant(hessian); aus dem Register: opsreprconv.get("hessian_determinant"))

• GPU: nein (nur CPU-Referenzimplementierung)

Verwendung

3-D-Hesse-Matrix hessian → ein Volumen der Determinante det H voxel (vorzeichenbehaftet). Der Ausgang aus hessian.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

det H = λ1 λ2 λ3(固有値の積)。球状の明るい塊の中心では 3 つとも負なので負、暗い塊では正、管や板(固有値の 1 つ以上が 0 に近い)では 0 に近い —— Determinant-of-Hessian の塊検出(Lindeberg 1998)の 3-D 版。単位は hessian3d と同じ 1/voxel² の 3 乗(正規化しない。値の比較は同じ尺度の中だけで)。

固有値を経由せず成分から直接 zz(yy·xx − yx²) − zy(zy·xx − yx·zx) + zx(zy·yx − yy·zx) で計算する(固有値分解の丸めを入れないため)。

Args:

hessian: hessian3d の 6 成分 (zz, yy, xx, zy, zx, yx)。torch でも numpy でもよい。

Returns:

(D, H, W) float64。

Raises:

ValueError: 6 成分でない / 形がそろわない / 非有限 / 空。

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• type_connectivity_tour — py -3.11 examples/type_connectivity_tour.py

Typkompatible Folge-Operatoren (nehmen `voxel` als Eingabe)

correlation_score

Gleiche Kategorie (`derivative`)

gradient_magnitude · gradient_coherence · hessian_vesselness

*Provenance: reprconv.py — REPRCONV Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

hessian_determinant — REPRCONV derivative op