[논문 리뷰] Shape reconstruction in scattering media with voids using a transport model and level sets

Oliver Dorn|ArXiv.org|2002. 01. 29.

Microwave Imaging and Scattering Analysis참고 문헌 25인용 수 25

한 줄 요약

이 논문은 투과성 매질 내 공극을 가진 산란 매질에서 산란광 단층촬영(DOT)을 위한 이중단계 형상 복원 방법을 제안한다. 시간에 따라 변하는 선형 운반 방정식과 레벨 세트 기반 형상 진화를 사용한다. 이 방법은 초기 물체 위치 추정을 위해 운반-역운반(TBT) 방법을 활용하고, 복잡한 형상을 정확하게 복원하기 위해 인접장 레벨 세트 최적화를 조합한다. 이로 인해 고대비 포함체와 명확한 영역이 존재하는 경우에도 빠르고 정확한 복원이 가능하다.

ABSTRACT

A two-step shape reconstruction method for diffuse optical tomography (DOT) is presented which uses adjoint fields and level sets. The propagation of near-infrared photons in tissue is modeled by the time-dependent linear transport equation, of which the absorption parameter has to be reconstructed from boundary measurements. In the shape reconstruction approach, it is assumed that the inhomogeneous background absorption parameter and the values inside the obstacles (which typically have a high contrast to the background) are known, but that the number, sizes, shapes, and locations of these obstacles have to be reconstructed from the data. An additional difficulty arises due to the presence of so-called clear regions in the medium. The first step of the reconstruction scheme is a transport-backtransport (TBT) method which provides us with a low-contrast approximation to the sought objects. The second step uses this result as an initial guess for solving the shape reconstruction problem. A key point in this second step is the fusion of the 'level set technique' for representing the shapes of the reconstructed obstacles, and an 'adjoint-field technique' for solving the nonlinear inverse problem. Numerical experiments are presented which show that this novel method is able to recover one or more objects very fast and with good accuracy.

연구 동기 및 목표

• 경계 측정치를 이용해 산란 매질 내 흡수 이질성의 알 수 없는 형상을 복원하는 역문제를 해결하기 위해.
• 운반-역운반(TBT) 방법과 레벨 세트 기반 형상 진화 방법을 조합하여 복원 정확도와 속도를 향상시키기 위해.
• 레벨 세트 방법을 통해 형상 진화 중 복잡한 기하학적 형태와 위상 변화를 처리하기 위해.
• 고대비 포함체에 대한 사전 지식과 알려진 흡수 값들을 정규화 전략으로 통합하기 위해.
• 감도 함수를 왜곡시키는 명확한 영역(저산란 영역)이 존재하는 상황에서도 강건한 복원을 가능하게 하기 위해.

제안 방법

• 이 방법은 조직 내 광자의 전파를 모델링하기 위해 시간에 따라 변하는 선형 운반 방정식을 사용하며, 확산 근사법을 피한다.
• 첫 번째 단계에서는 운반-역운반(TBT) 알고리즘을 사용하여 정방향 및 인접장 해 계산을 통해 물체 위치의 초기 저대비 근사치를 생성한다.
• 두 번째 단계에서는 레벨 세트 표현을 사용하여 변화하는 물체 형상을 매개변수화하여 최적화 과정 중 위상 변화를 가능하게 한다.
• 정방향 및 인접장 해를 조합하여 운반 방정식의 해를 기반으로 레벨 세트 함수의 기울기 업데이트를 계산하는 인접장 기법을 사용한다.
• 정방향장과 잔차 데이터를 기반으로 반복 업데이트를 통해 데이터 불일치 기능을 최소화함으로써 형상 진화를 이끈다.
• 알고리즘은 다양한 소스 위치의 데이터에 대해 반복적으로 적용되어 수렴성과 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 TBT와 레벨 세트 최적화를 조합한 이중단계 복원 체계가 공극이 있는 산란 매질 내에서 복잡하고 고대비 형상을 효과적으로 복원할 수 있는가?
• RQ2 전체 선형 운반 방정식을 사용할 경우 확산 근사법 대비 DOT에서 복원 정확도가 어떻게 향상되는가?
• RQ3 레벨 세트 방법이 역산산산 문제에서 형상 진화 중 위상 변화를 어느 정도 잘 처리할 수 있는가?
• RQ4 명확한 영역이 존재할 경우 복원에 어떤 영향을 미치며, 이 도전 과제가 있더라도 방법이 여전히 정확한 형상을 복원할 수 있는가?
• RQ5 TBT 초기화와 레벨 세트 최적화의 조합이 기존 반복적 방법보다 더 빠르고 정확한 복원을 달성할 수 있는가?

주요 결과

• TBT 방법은 명확한 영역이 존재하는 상황에서도 단 5회 스윕만으로도 물체 위치의 양호한 初기 근사치를 제공한다.
• 레벨 세트 기반 최적화 단계는 최소한의 반복 수로 정확한 형상을 성공적으로 복원하여 진짜 물체 기하학과 높은 일치도를 달성한다.
• 역행 과정에서 흡수 대비가 과소평가되어도 물체는 약간 더 넓어지는 방식으로 보정되며, 정확한 형상을 복원할 수 있다.
• 형상 진화 중 분할 또는 융합과 같은 위상 변화는 레벨 세트 수식에 의해 자연스럽게 처리된다.
• TBT와 레벨 세트 방법의 조합은 빠르고 정확한 복원을 가능하게 하며, 속도와 강건성 면에서 기존 반복적 방법을 뛰어넘는다.
• 수치 실험 결과는 이 방법이 노이즈가 있는 경우와 제한된 시야 데이터 조건에서도 단일 및 다중 물체에 대해 효과적임을 확인한다.