[논문 리뷰] Software Implementation of the Krylov Methods Based Reconstruction for the 3D Cone Beam CT Operator

Vojtěch Kulvait, Georg Rose|arXiv (Cornell University)|2021. 10. 26.

Medical Imaging Techniques and Applications참고 문헌 16인용 수 4

한 줄 요약

이 논문은 효율적인 레이 트레이싱 투영 연산자를 사용하여 3D 콘 범프 CT 재구성에 대해 Krylov 부분공간 방법—특히 CGLS와 LSQR—의 오픈소스 C++ 및 OpenCL 구현을 제시한다. 실험 결과 CGLS는 최신의 ART 기반 방법인 PSIRT보다 수렴 속도가 현저히 빠르며, 현대 GPU 하드웨어에서 대규모 3D CT 재구성에 대해 매우 실용적이고 효율적인 대안임을 입증한다.

ABSTRACT

Krylov subspace methods are considered a standard tool to solve large systems of linear algebraic equations in many scientific disciplines such as image restoration or solving partial differential equations in mechanics of continuum. In the context of computer tomography however, the mostly used algebraic reconstruction techniques are based on classical iterative schemes. In this work we present software package that implements fully 3D cone beam projection operator and uses Krylov subspace methods, namely CGLS and LSQR to solve related tomographic reconstruction problems. It also implements basic preconditioning strategies. On the example of the cone beam CT reconstruction of 3D Shepp-Logan phantom we show that the speed of convergence of the CGLS clearly outperforms PSIRT algorithm. Therefore Krylov subspace methods present an interesting option for the reconstruction of large 3D cone beam CT problems.

연구 동기 및 목표

• Krylov 부분공간 방법을 사용한 3D 콘 범프 CT 재구성에 적합한 고성능 오픈소스 소프트웨어 패키지를 개발하기.
• 3D CBCT에서 CGLS와 LSQR의 수렴 속도와 정확도를 기존의 반복적 방법(예: PSIRT)과 비교 평가하기.
• 시스템 행렬의 직접 저장을 피하고 연산자 기반 계산을 통해 효율적이고 대규모 3D 재구성 구현하기.
• Krylov 방법이 임상 CT에서 분석적 재구성 기법에 대한 실용적인 대안이 될 수 있는지 탐색하기.
• 3D CBCT 문제에서 기본적인 조절 전략이 수렴성과 안정성에 미치는 영향 평가하기.

제안 방법

• Siddon 레이 캐스팅, 풋프린트 방법, 그리고 정확한 레이-바이oxel 교차 계산을 위한 새로운 커팅 바이옥스 프로젝터를 사용한 완전한 3D 콘 범프 투영 연산자 구현.
• CGLS와 LSQR 알고리즘은 각 반복에서 한 번의 투영 및 역투영 연산을 줄이기 위해 잔차를 지연 계산하도록 구현되어 효율성 향상.
• 시스템은 AᵀAx = Aᵀb의 정규 방정식을 공액 그래디언트 방법을 사용해 풀며, 크기가 큰 비정방형 시스템 행렬 A를 명시적으로 저장하지 않음.
• 기본적인 자바이아 조절 전략은 AᵀA의 대각성분을 근사하여 수렴성을 향상시키지만, 콘 경계에서 작은 대각성분으로 인해 제한됨.
• OpenCL을 통한 GPU 가속을 활용하여 투영 및 역투영 연산을 가속화하여 빠른 반복적 재구성 구현.
• 기본 설정에서 잔차 벡터의 재직도화를 생략함. 수치 오차 누적이 10회 반복 동안 0.0001% 미만으로 미미하여 영향을 거의 미치지 않음.

실험 결과

연구 질문

• RQ1 CGLS와 LSQR과 같은 Krylov 부분공간 방법이 3D 콘 범프 CT 재구성에서 기존의 ART 기반 방법(예: PSIRT)보다 수렴 속도 면에서 뛰어나게 되는가?
• RQ2 일반적인 3D CT 데이터에서 CGLS와 LSQR의 수치적 안정성과 재구성 정확도 측면에서 성능는 어떻게 비교되는가?
• RQ3 대규모 3D CBCT 문제에서 기본적인 자바이아 조절 전략이 수렴성에 얼마나 기여하는가?
• RQ4 연산자 기반 Krylov 방법이 3D에서 행렬 기반 대체 재구성의 메모리 및 계산 병목 현상을 피할 수 있는가?
• RQ5 Krylov 방법에 순서 기반 부분집합 전략을 확장할 수 있는 잠재력이 있으며, 이는 수렴성이나 안정성을 훼손하지 않는가?

주요 결과

• CGLS는 3D 쉐프-로그란 패턴에서 PSIRT보다 수렴 속도가 현저히 빠르며, 동일한 재구성 정확도에 도달하기 위해 훨씬 적은 반복 수가 필요함.
• CGLS의 수렴 속도는 PSIRT보다 훨씬 빠르며, 이는 Krylov 방법이 대규모 3D CBCT 문제에 대해 더 효율적인 대안임을 시사함.
• LSQR과 CGLS는 거의 동일한 재구성 결과를 생성하며, 이는 LSQR의 수치적 안정성 우월성이 일반적인 CT 데이터에서는 필수적이지 않음을 의미함.
• 기본 CGLS 설정에서는 잔차의 재직도화가 필요 없으며, 오차 누적이 미미함(10회 반복 동안 0.0001% 미만).
• 최적화된 프로젝터, 특히 커팅 바이옥스 프로젝터 덕분에 소프트웨어 성능이 크게 향상되어 중간 크기 문제의 빠른 재구성(수 분 내)이 가능함.
• 기본적으로 순서 기반 부분집합 전략을 Krylov 방법에 확장할 잠재력이 크며, 이는 향후 정규성과 안정성을 유지하기 위해 추가 연구가 필요함.