[논문 리뷰] Using the Notion of Copula in Tomography

Doriano-Boris Pougaza, Ali Mohammad‐Djafari외 1명|ArXiv.org|2008. 12. 06.

Mathematical Approximation and Integration참고 문헌 4인용 수 4

한 줄 요약

이 논문은 코풀라 이론을 활용하여 근사적 프로젝션 간의 의존 구조를 모델링함으로써 병변의 종래의 역 문제를 공동 밀도를 선적분된 근사 분포로부터 재구성하는 방식으로 CT 영상 재구성에 대한 새로운 프레임워크를 제안한다. 스칼라 정리와 코풀라 가족(예: 가우시안, 클레이턴, 감마)을 적용함으로써, 수평 및 수직 프로젝션 두 개만으로도 재구성 가능함을 시뮬레이션과 자체 개발한 <<copula-tomography>> 패키지를 통해 입증하였으며, 초기 결과는 유망하다.

ABSTRACT

In 1917 Johann Radon introduced the Radon transform which is used in 1963 by A. M. Cormack for application in the context of tomographic image reconstruction. He proposed to reconstruct the spatial variation of the material density of the body from X-Ray images (radiographies) for different directions. Independently G. N. Hounsfield derived an algorithm and built the first medical CT scanner. Basically the idea of the X-ray CT is to get an image of the interior structure of an object by X-raying the object from many different directions. The mathematical problem is then estimating a multivariate function from its line integrals. Four year before Cormack's idea, Abe Sklar introduced a theory in the context of Statistics called copula. Shortly copulas are functions that link multivariate distributions to theirs univariate marginal functions. It appeared that copulas captivated all dependence structure concerning the marginal functions and offer a wide range of parametric family model which could be used as a model for the joint distribution function. This statistical problem is the same as in Tomography, because a marginal density is obtained from a line integral of its joint distribution. In the particular case of only given horizontal and vertical projections corresponding to a given two marginal functions, we link the theory of copula to tomography via the Radon transform and Sklar's theorem. The result we propose seems to be new as mathematical approach to solve this tomographic inverse problem.

연구 동기 및 목표

• 단층 촬영 재구성과 통계적 코풀라 이론 간의 수학적 유사성을 연결하기 위해.
• 코풀라를 통해 의존성을 모델링하여 수평 및 수직 프로젝션 두 개만으로도 CT의 불안정한 역 문제를 해결하기 위해.
• 코풀라 기반 공동 밀도 모델링을 활용한 단층 촬영 재구성 시뮬레이션을 위한 계산 프레임워크를 개발하기 위해.
• 합성 데이터와 프로토타입 <<copula-tomography>> 소프트웨어 패키지를 통해 접근법을 검증하기 위해.

제안 방법

• 코풀라 함수를 통해 다변량 공동 분포를 단변량 근사 분포와 연결하기 위해 스칼라 정리를 활용한다.
• 아르히메데스 코풀라(클레이턴, 감마, 프랭크, 알리-미하일-하크) 및 타원형 코풀라(가우시안, 스튜던트의 t)를 적용하여 근사 프로젝션 간의 의존성을 모델링한다.
• 역프로젝션(BP), 필터링된 역프로젝션(FBP), 곱셈형 역프로젝션(MBP) 방법을 사용하여 근사 데이터로부터 영상을 재구성한다.
• 코풀라 기반 재구성 시뮬레이션을 위한 메뉴 기반 인터페이스를 갖춘 자체 개발 <<copula-tomography>> 소프트웨어 패키지를 개발한다.
• 복잡한 공동 밀도를 모델링하고 다양한 코풀라 가정 하에서 재구성의 타당성을 검증하기 위해 가우시안 혼합모델을 사용한다.
• 최대우도추정(MLE), 모서리에서 추론(IFM), 베이지안 방법을 활용하여 코풀라의 모수를 추정한다.

실험 결과

연구 질문

• RQ1 코풀라 이론이 단지 두 개의 근사 프로젝션(예: 수평 및 수직)으로부터 2차원 밀도를 효과적으로 재구성하는 데 적용될 수 있는가?
• RQ2 다양한 코풀라 가족(예: 가우시안, 클레이턴, 감마)이 단층 촬영 영상 재구성의 품질과 정확성에 어떤 영향을 미치는가?
• RQ3 코풀라가 포착하는 의존 구조는 제한된 프로젝션 수로 인한 불안정한 역 문제인 CT 재구성에서 어느 정도 향상시킬 수 있는가?
• RQ4 코풀라와 단층 촬영 재구성의 통합을 위한 소프트웨어 패키지가 효과적으로 구현되고 사용될 수 있는가?

주요 결과

• 코풀라 기반 접근법은 수평 및 수직 프로젝션 두 개만으로도 공동 밀도를 성공적으로 재구성하여, 불안정한 역 문제에 대한 타당성을 입증하였다.
• 2개 및 5개 프로젝션을 사용한 초기 시뮬레이션 결과에 따르면, 코풀라 기반 재구성 방법(MBP, MFBP 등)이 시각적으로 타당하고 구조적으로 정확한 영상을 생성하였다.
• <<copula-tomography>> 패키지는 다양한 코풀라 가족과 가우시안 혼합모델을 활용한 영상 재구성의 상호작용 시뮬레이션을 가능하게 하였다.
• 다양한 코풀라 가족(예: 감마, 클레이턴, 프랭크)은 서로 다른 의존 구조를 생성하여 근사 데이터 기반 공동 밀도의 탄력적 모델링을 가능하게 하였다.
• 특히 곱셈형 역프로젝션을 사용할 경우 코풀라 조절 근사 프로젝션을 활용하여 합성 데이터 내 복잡한 공간적 의존성을 효과적으로 포착하는 데 성공하였다.
• 이 프레임워크는 기존의 FBP와 같은 전통적 방법을 확장하여 의존성 모델링을 통합함으로써 단층 촬영 재구성에 새로운 통계적 시각을 제공한다.