[논문 리뷰] Limited-angle CT reconstruction via the L1/L2 minimization

Chao Wang, Min Tao외 2명|arXiv (Cornell University)|2020. 05. 31.

Medical Imaging Techniques and Applications참고 문헌 73인용 수 6

한 줄 요약

이 논문은 수렴 보장이 되는 ADMM 기반 알고리즘을 사용하여 한정된 입사각 CT 재구성에 대해 L1/L2 최소화 프레임워크를 제안한다. 물리적 타당성을 확보하기 위해 박스 제약 조건을 통합하였다. 제안된 방법은 스트리킹 아티팩트를 크게 감소시키며, 합성 데이터 및 실험 데이터 모두에서 최신 기법들을 능가한다.

ABSTRACT

In this paper, we consider minimizing the L1/L2 term on the gradient for a limited-angle scanning problem in computed tomography (CT) reconstruction. We design a specific splitting framework for an unconstrained optimization model so that the alternating direction method of multipliers (ADMM) has guaranteed convergence under certain conditions. In addition, we incorporate a box constraint that is reasonable for imaging applications, and the convergence for the additional box constraint can also be established. Numerical results on both synthetic and experimental datasets demonstrate the effectiveness and efficiency of our proposed approaches, showing significant improvements over the state-of-the-art methods in the limited-angle CT reconstruction.

연구 동기 및 목표

• 부족한 투과선으로 인해 심각한 스트리킹 아티팩트가 발생하는 한정된 입사각 데이터로부터 고품질 CT 영상을 재구성하는 문제를 해결한다.
• 전체 미분을 초과하는 것보다 더 나은 에지 보존과 스타일링 감소를 위해 영상 기울기 상에서 L1/L2 항을 사용하는 비볼록 최적화 모델을 개발한다.
• 비볼록 및 비연속 항이 존재하는 상황에서도 온건한 조건 하에서 수렴을 보장하는 분할 프레임워크를 설계한다.
• 재구성된 투과 계수 값이 현실적인 범위 내에 유지되도록 물리적으로 의미 있는 박스 제약 조건을 통합한다.
• 합성 및 실제 실험 CT 데이터 세트에서 제안된 방법의 효과성과 효율성을 입증한다.

제안 방법

• 데이터 적합성 항(최소 제곱)과 영상 기울기 상에서 L1/L2 정규화 항을 최소화하는 비제약 최적화 문제로 CT 재구성을 수식화한다.
• 기울기와 그 노름을 분리하기 위해 변수 분할 전략을 도입하여 효율적인 ADMM 기반 최소화를 가능하게 한다.
• 증강 라그랑주안에서 ADMM를 적용하여 수렴을 증명하며, 적절한 매개변수 조건 하에서 수렴을 확보한다.
• 이미지 변수에 대해 박스 제약 조건을 적용하여 물리적 범위(예: [c,d] 내의 투과 계수)를 유지하며, 프록시 업데이트를 통해 수렴을 유지한다.
• 이중 변수를 사용하여 분할을 처리하는 스케일드 증강 라그랑주 프레임워크를 적용하여 이중 탐색 가능성과 수렴을 보장한다.
• 수렴 속도와 안정성의 균형을 이루기 위해 페널티 매개변수 ρ₂를 적응적으로 조정하기 위한 선 탐색 전략을 구현한다.

실험 결과

연구 질문

• RQ1 기존의 전체 미분과 비교해 볼 때, 기울기 상에서 L1/L2 정규화는 한정된 입사각 CT 재구성의 영상 품질을 향상시키는가?
• RQ2 제안된 변수 분할 프레임워크를 갖춘 ADMM 기반 알고리즘은 비볼록 L1/L2 최소화 문제에 대해 수렴을 보장하는가?
• RQ3 박스 제약 조건의 통합은 한정된 입사각 CT 재구성에서 영상의 안정성과 정확성에 어떤 영향을 미치는가?
• RQ4 제안된 방법은 최신 기법들과 비교해 아티팩트 감소 및 구조 유사도 측면에서 뛰어난 성능을 달성하는가?
• RQ5 실제 적용에서 효과적인 매개변수 설정(예: 페널티 매개변수 ρ₂)은 무엇이며, 이는 수렴과 재구성 품질에 어떤 영향을 미치는가?

주요 결과

• 제안된 L1/L2 최소화 모델은 기존의 전체 미분 및 다른 최신 기법들과 비교해 한정된 입사각 CT 재구성에서 스트리킹 아티팩트를 크게 감소시킨다.
• 제안된 분할 프레임워크를 갖춘 ADMM 알고리즘은 비볼록 및 비연속 목표 함수에 대해서도 온건한 조건 하에서 전역 수렴을 보장한다.
• 박스 제약 조건의 통합은 재구성된 영상의 물리적 타당성을 향상시키고 수렴 안정성을 강화한다.
• 합성 데이터에 대한 수치 결과는 제안된 방법이 경쟁 기법들보다 더 높은 피크 신호 대비 잡음 비율(PSNR)과 구조 유사도 지수(SSIM)를 달성함을 보여준다.
• 실험적 유방 톰오그래피 데이터에서는 더 선명한 조직 구조와 더 적은 아티팩트를 갖는 빛나는 시각적 재구성 결과를 도출한다.
• 매개변수 튜닝 실험 결과, ρ₂의 중간 수준의 값이 양호한 성능을 보이며, 알고리즘은 다양한 스캔 각도와 노이즈 수준에서 뛰어난 강건성을 유지한다.