[논문 리뷰] Ridgelet transform on the sphere

Jason D. McEwen|arXiv (Cornell University)|2015. 10. 06.

Medical Image Segmentation Techniques참고 문헌 51인용 수 10

한 줄 요약

이 논문은 구면 라돈 변환과 구면 상에서의 척도 분리 웨이블릿 변환을 조합하여 새로운 구면 리지릿 변환을 제안하며, 반구대칭 신호에 대해 정확한 역변환을 가능하게 한다. 이 방법은 전역적으로 지원되는, 블록 아티팩트가 없는 표현을 제공하며 명시적인 역변환이 존재하여 기존의 구면 리지릿 구성 방식보다 모든 핵심 설계 기준에서 뛰어나다.

ABSTRACT

We first revisit the spherical Radon transform, also called the Funk-Radon transform, viewing it as an axisymmetric convolution on the sphere. Viewing the spherical Radon transform in this manner leads to a straightforward derivation of its spherical harmonic representation, from which we show the spherical Radon transform can be inverted exactly for signals exhibiting antipodal symmetry. We then construct a spherical ridgelet transform by composing the spherical Radon and scale-discretised wavelet transforms on the sphere. The resulting spherical ridgelet transform also admits exact inversion for antipodal signals. The restriction to antipodal signals is expected since the spherical Radon and ridgelet transforms themselves result in signals that exhibit antipodal symmetry. Our ridgelet transform is defined natively on the sphere, probes signal content globally along great circles, does not exhibit blocking artefacts, does not rely of any ad hoc parameters and exhibits an explicit inverse transform. No alternative ridgelet construction on the sphere satisfies all of these properties. Our implementation of the spherical Radon and ridgelet transforms is made publicly available. Finally, we illustrate the effectiveness of spherical ridgelets for diffusion magnetic resonance imaging of white matter fibers in the brain.

연구 동기 및 목표

• 구면에 자연스럽게 작용하는, 데카르트 임bedding에 의존하지 않는 구면 리지릿 변환을 개발하는 것.
• 반구대칭성을 갖는 신호에 대해 정확한 역변환을 보장하는 것. 이는 구면 라돈 변환과 리지릿 변환 모두에 내재된 성질이다.
• 기존의 다른 구면 리지릿 구성 방식에서 흔히 볼 수 있는 블록 아티팩트와 임의의 매개변수를 제거하는 것.
• 구면 리지릿 변환에 대해 완전하고 명시적인 역변환을 제공하여 신호 재구성의 신뢰성을 확보하는 것.
• 의료 영상, 특히 뇌 회백질 섬유의 확산 MRI에서의 효능을 입증하는 것.

제안 방법

• 구면 라돈 변환(Funk-Radon 변환)을 구면 상의 축대칭 컨볼루션으로 재해석하여 그 구면 조화 함수 표현을 유도한다.
• 구면 라돈 변환과 구면 상의 척도 분리 웨이블릿 변환을 조합하여 구면 리지릿 변환을 구성한다.
• 구면 조화 함수 표현을 사용하여 역변환을 명시적으로 유도하며, 이는 반구대칭 신호에 대해서만 유효하다.
• 큰 원을 따라 신호의 전체 내용을 전역적으로 탐색함으로써, 구면 상의 기하학적 구조를 유지한다.
• 공개된 코드를 통해 수치적 구현을 수행하여 재현 가능성과 접근성을 확보한다.
• 확산 MRI 데이터를 대상으로 방법을 검증하여, 회백질 섬유의 방향성을 잘 포착함을 보여준다.

실험 결과

연구 질문

• RQ1 구면 라돈 변환을 축대칭 컨볼루션으로 재해석할 수 있는가? 이를 통해 그 구면 조화 함수 표현을 더 깔끔하게 도출할 수 있는가?
• RQ2 구면 라돈 변환과 척도 분리 웨이블릿 변환을 조합하여, 반구대칭 신호에 대해 정확한 역변환을 지원하는 리지릿 변환을 얻을 수 있는가?
• RQ3 데카르트 임bedding에 의존하지 않으며, 블록 아티팩트와 임의의 매개변수 없이도 구면 리지릿 변환을 구성할 수 있는가?
• RQ4 제안된 구면 리지릿 변환은 기존 방법과 비교해 복원 가능성과 기하학적 충실도 측면에서 어떻게 다른가?
• RQ5 구면 리지릿 변환은 확산 MRI에서의 회백질 섬유 구조 분석을 어느 정도 향상시킬 수 있는가?

주요 결과

• 구면 라돈 변환은 성공적으로 축대칭 컨볼루션으로 재해석되어, 그 구면 조화 함수 표현을 직접 도출할 수 있게 되었다.
• 반구대칭성을 갖는 신호에 대해 구면 라돈 변환은 정확한 역변환을 허용하며, 이 성질은 유도된 리지릿 변환에도 그대로 이어진다.
• 제안된 구면 리지릿 변환은 명시적인 역변환을 지원하여, 반구대칭 신호에 대해 안정적인 신호 재구성을 보장한다.
• 이 방법은 블록 아티팩트를 피하고, 임의의 매개변수도 필요로 하지 않아, 다른 구면 리지릿 구성 방식과 뚜렷한 차이를 보인다.
• 구현 코드는 공개되어 있어 재현성과 구면 신호 처리 분야에서의 광범위한 도입을 촉진한다.
• 이 방법은 확산 MRI에서 회백질 섬유의 방향성을 잘 모델링하는 데 뛰어난 성능을 보이며, 실용적 유용성을 입증한다.