[논문 리뷰] From variable density sampling to continuous sampling using Markov chains

Nicolas Chauffert, Philippe Ciuciu외 2명|arXiv (Cornell University)|2013. 07. 26.

Sparse and Compressive Sensing Techniques참고 문헌 13인용 수 6

한 줄 요약

이 논문은 MRI 압축 측정에서 마르코프 체인 기반 연속 샘플링 프레임워크를 제안하며, 히우리스틱한 변수 밀도 샘플링을 대체하여 하드웨어 구현 가능성을 보장하는 궤적 제약을 가진 랜덤 워크를 사용한다. 제어된 점프 확률을 가진 마르코프 전이를 활용함으로써, 5배 가속도에서 고성능 이미지 복원을 달성하며 최대 PSNR 34.2 dB를 기록한다. 이는 연속 샘플링이 기울기 슬루드 레이트 제약을 준수하면서도 압축 측정 보증을 유지할 수 있음을 보여준다.

ABSTRACT

Since its discovery over the last decade, Compressed Sensing (CS) has been successfully applied to Magnetic Reso- nance Imaging (MRI). It has been shown to be a powerful way to reduce scanning time without sacrificing image quality. MR images are actually strongly compressible in a wavelet basis, the latter being largely incoherent with the k-space or spatial Fourier domain where acquisition is performed. Nevertheless, since its first application to MRI [1], the theoretical justification of actual k-space sampling strategies is questionable. Indeed, the vast majority of k-space sampling distributions have been heuris- tically designed (e.g., variable density) or driven by experimental feasibility considerations (e.g., random radial or spiral sampling to achieve smoothness k-space trajectory). In this paper, we try to reconcile very recent CS results with the MRI specificities (mag- netic field gradients) by enforcing the measurements, i.e. samples of k-space, to fit continuous trajectories. To this end, we propose random walk continuous sampling based on Markov chains and we compare the reconstruction quality of this scheme to the state- of-the art.

연구 동기 및 목표

• 독립적 샘플링이 기울기 연속성 위반을 초래하는 바, 이론적 압축 측정(CS) 샘플링과 실제 MRI 제약 사이의 격차를 메우기 위해.
• 기울기 슬루드 레이트 및 부드러운 궤적 요구 조건과 같은 MRI의 물리적 제약과 호환되는 연속 샘플링 전략을 개발하기 위해.
• 연속적이고 마르코프성 샘플링 궤적을 사용한 CS 복원에 대한 이론적 보장을 수립하기 위해.
• 1차원 또는 2차원 랜덤성에 의존하는 기존 연속 샘플링 방법을 초월하여, 다차원 랜덤성을 갖춘 전체 2차원/3차원 k-스페이스로 확장하기 위해.
• 마르코프 체인을 통한 연속 샘플링이 실질적인 MRI 스캐너에서 실행 가능하면서도 i.i.d. 변수 밀도 샘플링과 비슷한 복원 품질을 달성할 수 있음을 입증하기 위해.

제안 방법

• k-스페이스 격자 위에 시간 동질성 마르코프 체인을 사용하고, 전이 행렬 P(α)를 통해 연속 샘플링 궤적을 생성한다.
• 목표로 하는 변수 밀도 샘플링 패턴과 일치하는 불변 분포 π를 정의하여 웨이블릿 희소성와 통계적 비상관성을 확보한다.
• 점프 확률 α를 도입하여 궤적 연속성과 k-스페이스 커버리지 사이의 균형을 조절하며, α는 새로운 위치로의 전이 빈도를 제어한다.
• 세부 균형을 유지하고 체인이 잘 혼합되도록 전이 행렬 P(α)를 구성하며, 스펙트럼 간격 ε(P(α)) > α를 확보한다.
• 마르코프 체인에 대한 농도 부등식을 적용하여 샘플링 행렬이 항등행렬에서 벗어나는 정도를 제한함으로써 이론적 복원 보장을 가능하게 한다.
• Douglas-Rachford 알고리즘을 사용한 ℓ₁-최소화를 통해 이미지를 복원하며, k-스페이스 샘플의 20%를 유지함으로써 가속도 요소 r=5를 구현한다.

실험 결과

연구 질문

• RQ1 마르코프 체인을 사용하여 MRI 기울기 제약을 만족하면서도 CS 복원 보장을 유지하는 연속 샘플링 궤적을 설계할 수 있는가?
• RQ2 점프 확률 α의 선택이 마르코프 샘플링에서 궤적 연속성과 k-스페이스 커버리지 사이의 트레이드오���에 어떤 영향을 미치는가?
• RQ3 마르코프 체인 기반 샘플링이 CS-MRI에서 i.i.d. 변수 밀도 샘플링과 비슷한 복원 품질을 달성할 수 있는 정도는 어느 정도인가?
• RQ4 마르코프 체인의 스펙트럼 간격이 복원 성능에 미치는 영향은 무엇이며, 문제 차원이 증가함에 따라 어떻게 변화하는가?
• RQ5 2차 마르코프 체인은 1차 체인에 비해 궤적 규칙성과 복원 품질을 더욱 향상시킬 수 있는가?

주요 결과

• 제안된 마르코프 체인 기반 샘플링 방법은 5배 가속도에서 평균 PSNR 33.4 dB를 달성하여 i.i.d. 변수 밀도 샘플링과 유사한 성능을 보였다.
• α = 0.01일 때, 특정 마르코프 체인 실현이 PSNR 34.2 dB를 기록하여 개별 실현이 평균을 초월할 수 있음을 입증했다.
• α가 감소할수록 연속 세그먼트의 공간적 국한으로 인해 복원 품질이 악화됨을 확인하여, 연속성과 커버리지 사이의 트레이드오프를 확인했다.
• 마르코프 체인의 스펙트럼 간격은 복원 품질에 강력한 영향을 미치지만, 문제 차원 증가에 따라 감소함으로써 이론적 한계를 드러냈다.
• 2차 마르코프 체인에 대한 초도 결과는 향상된 궤적 규칙성과 복원 성능을 보였으며, 더 강력한 이론적 보장을 향한 길을 제시했다.
• 이론적 경계가 O(s²)이지만, 실증 결과는 신뢰할 수 있는 복원을 보였으며, 이는 이론과 실무 사이의 격차가 향후 연구가 필요한 영역임을 시사한다.