[논문 리뷰] Analysis of discrete-to-discrete imaging models for iterative tomographic image reconstruction and compressive sensing

Jakob Sauer Jørgensen, Emil Y. Sidky외 1명|arXiv (Cornell University)|2011. 09. 03.

Medical Imaging Techniques and Applications참고 문헌 48인용 수 19

한 줄 요약

이 논문은 병렬 단절형 영상 모델을 분석하여, 압축 감지(CS) 기반 방법에서 정확한 재구성에 필요한 충분한 샘플링 조건이 객체의 희박성과 임의의 작업에 특화된 페르모드에 의해 결정됨을 보여준다. 고유값 분해(SVD)를 사용하여 최소한의 시야 수와 검출기 밴드 수를 결정함으로써, 연속형 모델과는 다름없이 단절형 모델에선 별도의 샘플링 기준이 필요하다고 밝힌다.

ABSTRACT

Discrete-to-discrete imaging models for computed tomography (CT) are becoming increasingly ubiquitous as the interest in iterative image reconstruction algorithms has heightened. Despite this trend, all the intuition for algorithm and system design derives from analysis of continuous-to-continuous models such as the X-ray and Radon transform. While the similarity between these models justifies some crossover, questions such as what are sufficient sampling conditions can be quite different for the two models. This sampling issue is addressed extensively in the first half of the article using singular value decomposition analysis for determining sufficient number of views and detector bins. The question of full sampling for CT is particularly relevant to current attempts to adapt compressive sensing (CS) motivated methods to application in CT image reconstruction. The second half goes in depth on this subject and discusses the link between object sparsity and sufficient sampling for accurate reconstruction. Particularly, it is pointed out that, because CS motivated image reconstruction is object dependent, there is a need to consider the imaging task so that test phantoms are employed with a similar sparsity level as what might be encountered.

연구 동기 및 목표

• 이제 반복 재구성에 널리 사용되고 있는 단절형 영상 모델에 대한 이론적 기반 부족 문제를 해결하기 위해.
• 연속형 모델과는 대조적으로 단절형 모델에 대한 충분한 샘플링 조건(시야 수 및 검출기 밴드 수)을 규명하기 위해.
• 압축 감지(CS) 기반 CT 재구성에서 객체의 희박성이 재구성 정확도에 미치는 영향과 샘플링 요구 조건에 미치는 영향을 조사하기 위해.
• CS 기반 재구성 연구에서 실제 임상 환자의 특성과 유사한 희박성 수준을 가진 테스트 페르모드를 사용하는 것이 중요하다는 점을 강조하기 위해.

제안 방법

• 고유값 분해(SVD)를 단절형 영상 모델의 시스템 행렬에 적용하여 고유값에 따른 에너지 분포를 분석하고, 최소한의 샘플링 요구 조건을 도출한다.
• X선 및 라돈 변환과 같은 연속형 모델과의 비교를 통해 단절형 모델과 연속형 모델 간의 충분한 샘플링 조건의 차이를 분석한다.
• 희박성이 재구성 정확도에 미치는 영향을 분석하여, 객체의 희박성이 필요한 투사 수에 어떻게 영향을 주는지 조사한다.
• 재구성 성능는 이미징 작업에 따라 달라지므로, 실제 임상 시나리오와 유사한 희박성 수준을 가진 페르모드가 필요하다고 제안한다.
• SVD 기반 분석을 통해 단절형 모델에서 안정적인 재구성에 필요한 최소한의 시야 수와 검출기 밴드 수를 정량화한다.

실험 결과

연구 질문

• RQ1 단절형 영상 모델에 대해 충분한 샘플링 조건(시야 수 및 검출기 밴드 수 기준)은 무엇인가?
• RQ2 단절형 모델과 연속형 모델 간의 샘플링 요구 조건은 어떻게 다를까?
• RQ3 압축 감지(CS) 프레임워크에서 객체의 희박성은 정확한 재구성에 필요한 투사 수에 얼마나 큰 영향을 미치는가?
• RQ4 왜 CS 기반 CT 재구성 평가에서 실제 임상 시나리오의 특성과 유사한 희박성 수준을 가진 작업에 특화된 페르모드를 사용해야 하는가?
• RQ5 고유값 분해(SVD)는 어떻게 사용하여 단절형 모델에서 안정적이고 정확한 이미지 재구성에 필요한 최소 샘플링 수를 결정할 수 있는가?

주요 결과

• 단절형 영상 모델은 연속형 모델과 비슷하게 여겨지지만, 충분한 샘플링 조건은 별도의 기준이 필요하다.
• 고유값 분해(SVD) 분석은 단절형 모델에서 안정적인 재구성을 위해 필요한 최소한의 시야 수와 검출기 밴드 수를 효과적으로 규명한다.
• 압축 감지(CS) 기반 재구성 성능는 객체의 희박성에 매우 의존하므로, 타당한 평가를 위해서는 작업에 특화된 페르모드가 필수적이다.
• CS 기반 CT에서 필요한 투사 수는 고정되어 있지 않으며, 재구성 대상 객체의 희박성 수준에 따라 변동된다.
• 임상 기대치와 다름없는 희박성 수준을 가진 페르모드를 사용하지 않을 경우, 재구성 성능 평가에 대해 과도하게 낙관적이거나 오해의 소지가 있는 결론을 이끌 수 있다.