[논문 리뷰] Empirical average-case relation between undersampling and sparsity in x-ray CT

Jakob Sauer Jørgensen, Emil Y. Sidky외 2명|arXiv (Cornell University)|2012. 11. 24.

Medical Imaging Techniques and Applications참고 문헌 35인용 수 3

한 줄 요약

이 논문은 L1-최소화를 통한 정확한 재구성에 필요한 CT 투사 수와 영상 희소성 간의 정량적 평균적 관계를 경험적으로 확립한다. 시뮬레이션된 팬빔 CT 데이터를 사용하여, 영상 유형에 따라 달라지지만 영상 크기와는 무관하고 소규모 가우시안 노이즈에 대해서도 강인한, 복구 가능성의 날카러운 단계 전이가 존재함을 보여주며, 희소성 활용 방법을 사용한 저선량 CT 영상 재구성에 실용적인 지침을 제공한다.

ABSTRACT

In x-ray computed tomography (CT) it is generally acknowledged that reconstruction methods exploiting image sparsity allow reconstruction from a significantly reduced number of projections. The use of such reconstruction methods is motivated by recent progress in compressed sensing (CS). However, the CS framework provides neither guarantees of accurate CT reconstruction, nor any relation between sparsity and a sufficient number of measurements for recovery, i.e., perfect reconstruction from noise-free data. We consider reconstruction through 1-norm minimization, as proposed in CS, from data obtained using a standard CT fan-beam sampling pattern. In empirical simulation studies we establish quantitatively a relation between the image sparsity and the sufficient number of measurements for recovery within image classes motivated by tomographic applications. We show empirically that the specific relation depends on the image class and in many cases exhibits a sharp phase transition as seen in CS, i.e. same-sparsity image require the same number of projections for recovery. Finally we demonstrate that the relation holds independently of image size and is robust to small amounts of additive Gaussian noise.

연구 동기 및 목표

• L1-최소화를 통해 정확한 재구성을 위한 영상 희소성과 필요한 CT 투사 수 간의 경험적 관계를 규명하는 것.
• 이 관계가 영상 유형, 크기 또는 노이즈 수준에 따라 달라지는지 조사하는 것.
• 희소성 활용 방법을 사용한 저선량 CT 재구성에 대해 정량적이고 데이터 기반의 지침을 제공하는 것.
• 추가 노이즈 및 다양한 영상 구조 조건에서의 희소성-샘플링 관계의 강인성 탐구

제안 방법

• 고정된 투사 수를 가진 표준 CT 기하구조를 사용하여 시뮬레이션된 팬빔 CT 데이터를 생성하였다.
• 통제된 희소성 수준을 가진 잘 정의된 유형(예: 무작위, 2의 거듭제곱, 블록형)에서 영상 희소성을 합성하였다.
• MOSEK 최적화 솔버를 사용하여 강인성을 확보하기 위해 데이터 일致성 제약 조건 하에 L1-최소화를 통한 재구성을 수행하였다.
• 재구성된 영상과 원래의 희소 영상 간의 엄격한 오차 기준을 사용하여 복구 성능을 평가하였다.
• 희소성 및 샘플링 비율에 따른 비복구에서 복구로의 전이를 시각화하기 위해 단계 다이어그램을 구성하였다.
• 투사 데이터에 소규모 추가 가우시안 노이즈를 도입하여 강인성을 테스트하였다.

실험 결과

연구 질문

• RQ1 L1-최소화를 통한 정확한 재구성에 필요한 CT 투사 수와 영상 희소성 간의 정량적 관계는 무엇인가?
• RQ2 이 관계는 서로 다른 구조적 특성을 지닌 다양한 영상 유형에서 어떻게 달라지는가?
• RQ3 이 희소성-샘플링 관계는 영상 크기와 무관한가? 더 큰 영상에 대해서도 성립하는가?
• RQ4 투사 데이터에 소규모 추가 가우시안 노이즈가 존재할 경우 이 복구 관계는 얼마나 강인한가?
• RQ5 비복구에서 복구로의 단계 전이는 날카롭게 진행되는가 아니면 점진적으로 진행되는가? 어떤 요소가 이를 영향을 미치는가?

주요 결과

• 팬빔 CT에서 L1-재구성에 필요한 투사 수와 영상 희소성 간에 명확한 평균적 관계가 존재한다.
• 무질서한 영상 유형(예: 무작위 또는 2의 거듭제곱 희소성 패턴)의 경우 복구 전이가 날카럽다.
• 더 구조화된 영상 유형(예: 블록형)의 경우 필요한 투사 수는 더 적지만 복구의 변동성이 더 크다.
• 희소성-샘플링 관계는 영상 크기와 무관하여 외삽을 통한 확장 가능성을 시사한다.
• 소규모 추가 가우시안 노이즈 조건에서도 이 관계는 강인하여 실제 CT 시스템에 실용적 의미를 가진다.
• 결과는 압축 감지에서의 잠재적 이론적 기반 존재를 시사하며, 아직 공식적으로 증명되지 않은 상태이다.