[논문 리뷰] Laplace deconvolution and its application to Dynamic Contrast Enhanced imaging

Fabienne Comte, C.A. Cuénod외 2명|2012. 07. 10.

Numerical methods in inverse problems참고 문헌 32인용 수 11

한 줄 요약

이 논문은 동적 대조 영상(DCE) 의료 영상에서 조직 잔류 함수를 추정하기 위해 라거르 기저 전개를 사용하는 새로운 라플라스 역상호작용 방법을 제안한다. 이 방법은 복합성을 고려한 모델 선택과 함께 복합도가 낮은 삼각 토플리츠 선형 시스템으로 변환하여 빠른 계산을 가능하게 하며, 오라클 리스크의 상한에 로그 인자 내에서 리스크를 확보하고 시뮬레이션에서 기존 방법을 능가한다.

ABSTRACT

In the present paper we consider the problem of Laplace deconvolution with noisy discrete observations. The study is motivated by Dynamic Contrast Enhanced imaging using a bolus of contrast agent, a procedure which allows considerable improvement in {evaluating} the quality of a vascular network and its permeability and is widely used in medical assessment of brain flows or cancerous tumors. Although the study is motivated by medical imaging application, we obtain a solution of a general problem of Laplace deconvolution based on noisy data which appears in many different contexts. We propose a new method for Laplace deconvolution which is based on expansions of the convolution kernel, the unknown function and the observed signal over Laguerre functions basis. The expansion results in a small system of linear equations with the matrix of the system being triangular and Toeplitz. The number $m$ of the terms in the expansion of the estimator is controlled via complexity penalty. The advantage of this methodology is that it leads to very fast computations, does not require exact knowledge of the kernel and produces no boundary effects due to extension at zero and cut-off at $T$. The technique leads to an estimator with the risk within a logarithmic factor of $m$ of the oracle risk under no assumptions on the model and within a constant factor of the oracle risk under mild assumptions. The methodology is illustrated by a finite sample simulation study which includes an example of the kernel obtained in the real life DCE experiments. Simulations confirm that the proposed technique is fast, efficient, accurate, usable from a practical point of view and competitive.

연구 동기 및 목표

• 소음이 있는 이산 관측치에서 신속하고 강건한 라플라스 역상호작용 방법을 개발하는 것. 이는 동적 대조 영상(DCE) 의료 영상에 기인한다.
• 조직 잔류 함수 f(t) = β(1 − F(t))를 소음이 있는 DCE-MRI/CT 데이터로부터 추정하는 것. 여기서 F는 대조 물질이 조직에 머무르는 시간 분포이다.
• 복잡도에 대한 벌점을 적용한 모델 선택을 통해 경계 효과를 방지하고 계산 비용을 감소시키는 것.
• 일반 조건 하에서 오라클 리스크의 상한에 로그 인자 내에서 이론적 리스크 경계를 확보하고, 약간의 가정 하에서는 상수 인자 내에서 리스크 경계를 확보하는 것.

제안 방법

• 알려지지 않은 함수 f, 복합 커널 g, 관측 신호 y를 유한 차원의 라거르 기저로 전개하여 문제를 선형 시스템으로 변환한다.
• 라거르 함수의 정규직교성과 재귀적 성질에서 유도되는 삼각 토플리츠 행렬 구조를 활용하여, 전진 대입을 통해 신속한 해를 도출한다.
• 편향과 분산의 균형을 맞추기 위해 최적의 절단 수준 m을 선택하기 위해 복잡도 벌점을 적용한다.
• 소음 성분의 안정성과 리스크 제어를 보장하기 위해 랜덤 행렬 프레임워크를 활용하여 농도 불등식을 유도한다.
• 생성 함수 (1−z)−r와 관련된 토플리츠 연산자의 프로베니우스 노름을 사용하여 추정 오차를 경계한다.
• 소음과 설계 행렬을 포함하는 이차 형식의 Supremum를 제어함으로써 비점근적 리스크 경계를 유도하며, 오라클 유사 성능을 달성한다.

실험 결과

연구 질문

• RQ1 정확한 커널 지식이 없이도 소음이 있는 이산적 DCE-MRI/CT 데이터에 대해 빠르고 안정적인 라플라스 역상호작용 방법을 개발할 수 있는가?
• RQ2 라플라스 복합의 맥락에서 전통적 역상호작용 방법의 경계 효과와 계산 비효율성을 어떻게 완화할 수 있는가?
• RQ3 복잡도에 대한 벌점을 적용한 모델 선택을 갖는 라거르 기반 추정기의 이론적 리스크 성능는 어떠한가?
• RQ4 제안된 방법이 유한 표본에서 오라클 리스크에 얼마나 근접한 성능을 달성하는가?

주요 결과

• 모델에 대한 어떤 가정도 없이 오라클 리스크의 상한에 로그 인자 내에서 리스크를 확보하여 다양한 데이터 구성에서의 강건성을 보장한다.
• 약간의 규칙성 가정 하에서 리스크는 오라클 리스크의 상수 인자 내에 있으며, 강력한 이론적 성능를 입증한다.
• 삼각 토플리츠 구조 덕분에 계산이 효율적이며, 기저 전개 이후 전진 대입을 통해 신속한 해를 도출할 수 있다.
• 시뮬레이션 결과로는 방법의 정확성, 안정성 및 실용성이 입증되었으며, 실제 DCE-CT 커널 함수를 포함한 유한 표본에서도 경쟁력 있는 성능을 보였다.
• 라거르 함수의 자연스러운 감쇠 특성 덕분에 0과 T에서의 절단 및 연장에 의한 경계 효과를 피할 수 있다.
• 복잡도에 대한 벌점을 적용한 절단 수준 m 선택은 편향과 분산의 최적 균형을 보장하며, 이로 인한 리스크에 대한 이론적 보장이 있다.