[論文レビュー] Sensitivity Analysis for Optimizing Electrical Impedance Tomography Protocols

Claire C. Onsager, Chulin Wang+5 more|arXiv (Cornell University)|Nov 2, 2021

Electrical and Bioimpedance Tomography被引用数 5

ひとこと要約

本稿では、事前知識から導出された正規直交基底関数を用いてモデル空間の次元を低減し、感度の高い線形独立な測定を感度平行パラレレピプッド体積指標を用いて選択することで、電気インピーダンストモグラフィー（EIT）の感度に基づくプロトコル最適化を提案する。この手法により、逆問題の計算速度が数個のオーダー向上し、標準プロトコルと比較してノイズ耐性が最大1,000倍向上する。

ABSTRACT

Electrical impedance tomography (EIT) is a noninvasive imaging method whereby electrical measurements on the boundary of a conductive medium (the data) are taken according to a prescribed protocol set and inverted to map the internal conductivity (the model). This paper introduces a sensitivity analysis method and corresponding inversion and protocol optimization that generalizes the criteria for tomographic inversion to minimize the model-space dimensionality and maximize data importance. Sensitivity vectors, defined as rows of the Jacobian matrix in the linearized forward problem, are used to map targeted conductivity features from model-space to data-space, and a volumetric outer-product of these vectors in model-space called the sensitivity parallelotope volume provides a figure-of-merit for data protocol optimization. Orthonormal basis functions that accurately constrain the model-space to features of interest can be defined from a priori information. By increasing the contact number to expand the number of possible measurements Dmax, and by reducing the model-space to a minimal number M0 of basis functions that describe only the features of interest, the M0 << Dmax sensitivity vectors of greatest length and maximal orthogonality that span this model-space can be identified. The reduction in model-space dimensionality accelerates the inversion by several orders of magnitude, and the enhanced sensitivity can tolerate noise levels up to 1,000 times larger than standard protocols.

研究の動機と目的

• 従来のEIT逆問題アルゴリズムの高い計算コストとノイズへの感受性を緩和すること。
• 事前知識に基づく正規直交基底関数を用いて、関心の対象となる特徴のみを選択することで、モデル空間の次元を低減すること。
• 感度と線形独立性を最大化する測定を選択することで、EIT測定プロトコルを最適化すること。
• リアルタイムまたはウェアラブル応用に適した高速かつロバストなEIT逆問題を実現すること。
• 測定密度を増加させることなく、ノイズ耐性と逆問題の忠実度を向上させること。

提案手法

• 対称性や分解能の特徴に関する事前知識を制約として、正規直交基底関数（例：ゼルニケ多項式）を用いて低次元モデル空間を定義する。
• ヤコビ行列を用いて感度ベクトルを計算し、モデルパラメータの変化が測定データに与える影響を表現する。
• 感度平行パラレレピプッド体積を指標として用い、データ空間の測定サブセットの品質を評価する。
• 感度平行パラレレピプッド体積を最大化することで最適なデータ空間サブセットを選択し、測定ベクトルの高感度性と直交性を確保する。
• 削減されたモデル空間内で、特異値分解（SVD）の切り捨てまたは正則化を適用して逆問題を効率的に解く。
• 感度最適化プロトコル下で反復的ニュートン法を用いて逆問題の解を得ることで、収束性と精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 EITにおいて、関心の対象となる特徴の分解能を損なわず、モデル空間の次元を低減する方法は何か？
• RQ2 EITプロトコルにおいて、最も情報量が多く、ロバストな測定を選択する基準は何か？
• RQ3 感度解析を用いることで、EIT再構成におけるノイズ耐性を顕著に向上させられるか？
• RQ4 EIT逆問題において、モデル空間の次元を低減することで、計算速度をどの程度向上できるか？
• RQ5 ノイズ下での再構成忠実度において、感度平行パラレレピプッド体積指標は、従来のプロトコルと比較してどの程度優れているか？

主な発見

• 感度に基づくプロトコルは、標準EITプロトコルと比較して最大1,000倍のノイズ耐性向上を達成し、η = 1×10⁻⁴まで許容可能な再構成が可能であった。
• 本手法により、モデル空間の次元がM₀ ≪ D_maxまで低減され、逆問題の計算速度が数個のオーダー向上した。
• 3本ロッド対比6本ロッドコンクリート杭の例では、感度プロトコルはη = 1×10⁻⁴でも識別性（z > 1）を維持したが、低次元シェフィールドプロトコルはη ≥ 1×10⁻⁷で失敗した。
• 感度平行パラレレピプッド体積は、低次元シェフィールドプロトコルと比較して10⁶⁴倍向上し、はるかに優れた測定品質を示した。
• 対称性制約（例：3重対称性）下での正規直交基底関数の使用により、M₀ = 27の基底関数で特徴を正確に表現できた。
• 両プロトコルにおいて18個の特異値を用いた切り捨てSVDが安定な逆問題解法に十分であったため、低次元モデル空間アプローチの有効性が裏付けられた。