[論文レビュー] Reconstruction of small and extended regions in EIT with a Robin transmission condition

Govanni Granados, Isaac Harris|arXiv (Cornell University)|Mar 17, 2022

Electrical and Bioimpedance Tomography参考文献 43被引用数 4

ひとこと要約

本稿では、腐食をモデル化するロビン型境界条件を有する電気インピーダンス断層法（EIT）において、小さな領域および拡大領域の定性的な画像再構成のための2つの手法を提案する。小さな領域に対しては、電流ギャップ作用素の漸近展開を用いたMUSIC型アルゴリズムを導出する。拡大領域に対しては、正則化された因子分解法を適用する。主な貢献は、最小限の事前知識を要する、反復を必要としないロバストな再構成手法であり、2次元での数値的検証によりノイズ耐性が確認された。

ABSTRACT

We consider an inverse shape problem coming from electrical impedance tomography with a Robin transmission condition. In general, a boundary condition of Robin type models corrosion. In this paper, we study two methods for recovering an interior corroded region from electrostatic data. We consider the case where we have small volume and extended regions. For the case where the region has small volume, we will derive an asymptotic expansion of the current gap operator and prove that a MUSIC-type algorithm can be used to recover the region. In the case where one has an extended region, we will show that the regularized factorization method can be used to recover said region. Numerical examples will be presented for both cases in two dimensions in the unit circle.

研究の動機と目的

• 腐食をモデル化するロビン型境界条件を有するEITにおける逆形状問題に対処すること。
• 未知領域に関する事前知識を最小限に要する非反復的定性的再構成手法を開発すること。
• ディリクレ・トゥ・ノイマン写像および電流ギャップ作用素（Λ − Λ₀）に基づく画像化関数を導出すること。
• 異なるノイズレベルおよび幾何形状の下で、2次元における提案手法の数値的検証を行うこと。
• 既存の定性的手法（MUSICおよび因子分解法）を、EITにおけるロビン型境界条件の状況に拡張すること。

提案手法

• スペクトル法および変分的定式化を用いて、小領域における電流ギャップ作用素（Λ − Λ₀）の漸近展開を導出する。
• 電流ギャップ作用素の漸近的挙動と特異値分解を活用し、MUSIC型アルゴリズムを適用して小領域を再構成する。
• 拡大領域に対しては、TikhonovおよびLandweber正則化を用いた（Λ − Λ₀）の因子分解構造の解析を通じて、正則化因子分解法を構築する。
• ディリクレ・トゥ・ノイマン写像およびu − u₀の数値近似を、スペクトル法とフーリエ基底関数（例：einθ）を用いて計算する。
• 画像化関数W(z)の等高線図および特定のしきい値（例：W(z) = 0.2, 0.1）における等高線を用いて、数値的再構成を実装する。
• ノイズのあるデータ下での逆問題の安定化のため、TikhonovおよびLandweber正則化スキームを適用し、それぞれα = 10⁻⁵およびβ = 1/(2σ₁²)とする。

実験結果

リサーチクエスチョン

• RQ1 ロビン型境界条件を有するEITにおいて、MUSIC型アルゴリズムを小領域再構成に成功して適応可能か？
• RQ2 電流ギャップ作用素（Λ − Λ₀）の漸近展開は、小領域の形状再構成をどのように可能にするか？
• RQ3 正則化因子分解法は、ロビン境界条件下のEITにおいて、拡大領域の再構成に有効に適用可能か？
• RQ4 2%および8%の相対ノイズ下で、再構成はノイズおよび正則化スキームの選択にどれほど敏感か？
• RQ5 伝達パラメータγ(x(θ)) = 1/4 + exp(cos(θ))は、再構成の精度および安定性にどのように寄与するか？

主な発見

• MUSICアルゴリズムは、ρ = 0.25の小さな円形領域を正確に局在化し、電流ギャップ作用素の漸近展開を用いて成功裏に再構成した。
• 拡大領域に対しては、正則化因子分解法により、ρ(θ) = 0.25(1 + 0.15 cos(3θ))およびρ(θ) = 0.25(2 + 0.3 cos(5θ))で表されるアコニット型および星型領域を、2%および8%のノイズ下で再構成した。
• 数値結果において、正則化フィルタの選択（Tikhonov対比Landweber）にかかわらず、再構成に顕著な差が認められず、安定性が保証された。
• 画像化関数W(z)は、高ノイズ（8%）および複雑な形状下でも、真の境界Dと密接に一致する正確な等高線を生成した。
• 本手法は、初期推定値を必要とせず、ディリクレ・トゥ・ノイマン写像から領域Dを一意に回復可能であり、一意性および安定性を確立した。
• 数値実装は計算的に効率的であり、離散化されたデータ作用素のスペクトル／特異値分解に依存するのみであった。