[論文レビュー] Regularization of the Factorization Method applied to diffuse optical tomography

Isaac Harris|arXiv (Cornell University)|Jun 14, 2021

Numerical methods in inverse problems参考文献 31被引用数 11

ひとこと要約

本稿では、コンpact作用素の急激に減少する特異値によって引き起こされる数値的不安定性に対して、ピカードの基準を安定化する正則化因子分解法を導入する。正則化作用素A: X → X*のスペクトル分解を導出し、フィルターベースの正則化を用いることで、計算が単純で解析的に厳密な指標関数を提供する。この方法により、ノイズを含む2次元数値例による検証を通じて、ディリクレからノイマンへの写像データから未知の部分領域を正確に再構成できる。

ABSTRACT

In this paper, we develop a new regularized version of the Factorization Method for positive operators mapping a complex Hilbert Space into it's dual space. The Factorization Method uses Picard's Criteria to define an indicator function to image an unknown region. In most applications, the data operator is compact which gives that the singular values can tend to zero rapidly which can cause numerical instabilities. The regularization of the Factorization Method presented here seeks to avoid the numerical instabilities in applying Picard's Criteria. This method allows one to image the interior structure of an object with little a priori information in a computationally simple and analytically rigorous way. Here we will focus on an application of this method to diffuse optical tomography where will prove that this method can be used to recover an unknown subregion from the Dirichlet-to-Neumann mapping. Numerical examples will be presented in two dimensions.

研究の動機と目的

• 特異値が急激に減少するコンパクト作用素を伴う逆形状問題に対して、数値的に安定で正則化された因子分解法の変種を開発すること。
• 正則化作用素A: X → X*（Xは複素ヒルベルト空間）に対してピカードの基準を拡張し、解析的厳密性と計算の単純さを保証すること。
• 正則化手法を拡散光トモグラフィーに適用し、特にディリクレからノイマンへの測定値から未知の部分領域を再構成すること。
• ノイズを含む2次元数値的再構成を通じて、本手法の頑健性と正確性を実証すること。
• 非凸関数の最小化を回避する点で、一般化線形サンプリング法（GLSM）と比較し、優位性を強調すること。

提案手法

• リーマン表現定理とヒルベルト＝シュミット定理を用いて、正則コンパクト作用素A: X → X*のスペクトル分解を導出し、作用素の固有構造を解析可能にする。
• 方程式Ax = ℓに対する正則化解xαを、フィルタ関数φ(t; α)を介して定義し、lim infα→0 ⟨xα, Axα⟩X×X* < ∞ が成立するための必要十分条件として、ℓ ∈ Range(S*)を保証する。
• S: X → V および T: V → V に対して、A = S*T S と分解し、TがRange(S)上で強連続であることを用いて、S*の像空間を特徴付ける。
• 拡散光トモグラフィーにおけるディリクレからノイマンへの作用素に本手法を適用し、A: H¹/²(Γ) → H⁻¹/²(Γ) と定義する。
• Cutoffフィルタ φCutoff(t; α) = 1（t² ≥ αのとき）、0（それ以外のとき）を用い、最大値が1になるように正規化した、画像化関数 WRegFM(z) = [Σ φ²(σj; α)/σj |(uj, bz)|²]⁻¹ を構築する。
• 単位円板内の均等なグリッド上のサンプリング点を用いて数値的に実装し、境界∂D₀の再構成を可視化する指標関数を計算する。

実験結果

リサーチクエスチョン

• RQ1 正則コンパクト作用素A: X → X*に対して、ピカードの基準を正則化することで、急激に減少する特異値に起因する数値的不安定性を回避できるか？
• RQ2 正則化因子分解法は、非反復的手法における逆形状再構成において、理論的に厳密かつ計算が単純な代替手法を提供するか？
• RQ3 本手法は、ディリクレからノイマンへの測定値のみを用いて、拡散光トモグラフィーにおける未知の部分領域を正しく再構成できるか？
• RQ4 正則化因子分解法の性能は、一般化線形サンプリング法（GLSM）と比較して、再構成の正確性と計算複雑度の観点で優れているか？
• RQ5 ノイズを含むデータ下での正則化手法の挙動はどのように変化するか？また、摂動作用素へも拡張可能か？

主な発見

• 正則化因子分解法は、2次元拡散光トモグラフィーにおいて、ディリクレからノイマンへの測定値のみを用いて未知の部分領域を正確に再構成でき、ノイズレベルが5%まででも境界の検出が正確に実現された。
• 丸みを帯びた正方形、楕円形、梨型、星型のインクルージョンの数値的再構成において、WRegFM(z) ≈ 1（真の領域D₀内部）かつ ≈ 0（外部）となることが確認され、理論的指標関数の挙動が裏付けられた。
• 一般化線形サンプリング法とは異なり、非凸関数の最小化を必要としないため、より単純な計算フレームワークを提供する。
• Cutoffフィルタ φCutoff(t; α) を用いた画像化関数 WRegFM(z) は、安定的かつ正規化された出力を得ており、α = 10⁻⁵ を任意のパラメータとして採用することで、全テスト例で良好な結果が得られた。
• GLSMとの比較では、再構成品質は同等であったが、正則化FMはTikhonov型最小化問題を解く必要がなく、計算コストを低減できた。
• 理論的解析により、ℓ ∈ Range(S*) が成立するための必要十分条件が、lim infα→0 ⟨xα, Axα⟩X×X* < ∞ であることが確認され、既存の結果を双対空間設定A: X → X*へ拡張した。