[논문 리뷰] Sensitivity Analysis for Optimizing Electrical Impedance Tomography Protocols

Claire C. Onsager, Chulin Wang외 5명|arXiv (Cornell University)|2021. 11. 02.

Electrical and Bioimpedance Tomography인용 수 5

한 줄 요약

이 논문은 전기저항율 단층촬영(EIT)을 위한 민감도 기반 프로토콜 최적화를 제안하며, 사전 지식에서 유도된 정규직교 기저 함수를 사용하여 모델 공간 차원을 감소시키고, 민감도 평행육면체 부피 지표를 통해 고민감도이자 선형 독립적인 측정값을 선택한다. 이 방법은 역행렬 계산 속도를 수개월 정도로 가속화하고, 기존 프로토콜 대비 노이즈 내성은 최대 1,000배 향상시킨다.

ABSTRACT

Electrical impedance tomography (EIT) is a noninvasive imaging method whereby electrical measurements on the boundary of a conductive medium (the data) are taken according to a prescribed protocol set and inverted to map the internal conductivity (the model). This paper introduces a sensitivity analysis method and corresponding inversion and protocol optimization that generalizes the criteria for tomographic inversion to minimize the model-space dimensionality and maximize data importance. Sensitivity vectors, defined as rows of the Jacobian matrix in the linearized forward problem, are used to map targeted conductivity features from model-space to data-space, and a volumetric outer-product of these vectors in model-space called the sensitivity parallelotope volume provides a figure-of-merit for data protocol optimization. Orthonormal basis functions that accurately constrain the model-space to features of interest can be defined from a priori information. By increasing the contact number to expand the number of possible measurements Dmax, and by reducing the model-space to a minimal number M0 of basis functions that describe only the features of interest, the M0 << Dmax sensitivity vectors of greatest length and maximal orthogonality that span this model-space can be identified. The reduction in model-space dimensionality accelerates the inversion by several orders of magnitude, and the enhanced sensitivity can tolerate noise levels up to 1,000 times larger than standard protocols.

연구 동기 및 목표

• 기존 EIT 역행렬 알고리즘의 높은 계산 비용과 노이즈 민감도 문제를 해결하기 위해.
• 사전 지식에서 유도된 정규직교 기저 함수를 사용하여 관심 있는 특징만 포함하는 방식으로 모델 공간 차원을 감소시키기 위해.
• 민감도와 선형 독립성을 극대화하는 데이터 공간 측정값을 선택하여 EIT 측정 프로토콜을 최적화하기 위해.
• 실시간 또는 웨어러블 응용에 적합한 빠르고 강건한 EIT 역행렬을 가능하게 하기 위해.
• 측정 밀도를 증가시키지 않고도 노이즈 내성과 역행렬 정확도를 향상시키기 위해.

제안 방법

• 대칭성 또는 해상도 특징에 대한 사전 지식을 고려하여 정규직교 기저 함수(예: 제른IKE 다항식)를 사용하여 축소된 모델 공간을 정의한다.
• 자기행렬을 사용하여 민감도 벡터를 계산하며, 이는 모델 매개변수의 변화가 데이터 측정값에 미치는 영향을 나타낸다.
• 민감도 평행육면체 부피를 데이터 공간 측정값 부분집합의 품질 평가 지표로 계산한다.
• 민감도 평행육면체 부피를 최대화하여 최적의 데이터 공간 부분집합을 선택함으로써, 측정 벡터의 고민감도 및 수직성 확보.
• 축소된 모델 공간에서 역행렬 문제를 효율적으로 해결하기 위해 절단형 또는 정규화된 특이값 분해(SVD)를 적용한다.
• 민감도 최적화 프로토콜 하에서 반복적 뉴턴 방법을 사용하여 역행렬 해를 향상시켜 수렴성과 정확도를 향상시킨다.

실험 결과

연구 질문

• RQ1 EIT에서 관심 있는 특징의 해상도를 손상시키지 않으면서 모델 공간 차원을 어떻게 감소시킬 수 있는가?
• RQ2 EIT 프로토콜에서 가장 정보량이 많고 강건한 측정값을 선택하기 위해 어떤 기준을 사용할 수 있는가?
• RQ3 민감도 분석이 EIT 재구성에서 노이즈 내성에 상당한 영향을 미칠 수 있는가?
• RQ4 EIT 역행렬에서 모델 공간 차원을 감소시킴으로써 계산 속도를 얼마나 향상시킬 수 있는가?
• RQ5 노이즈 하에서 재구성 정확도 측면에서 민감도 평행육면체 부피 지표는 전통적 프로토콜에 비해 어떻게 비교되는가?

주요 결과

• 민감도 기반 프로토콜은 표준 EIT 프로토콜 대비 최대 1,000배 노이즈 내성 향상을 달성하였으며, 노이즈 수준 η = 1×10⁻⁴ 이하에서도 수용 가능한 재구성 결과를 확보하였다.
• 이 방법은 모델 공간 차원을 M₀ ≪ D_max 수준으로 감소시켜 역행렬 속도 향상에 수개월 정도 기여하였다.
• 3개의 막대 대비 6개의 막대를 가진 콘crete 기둥 예제에서 민감도 프로토콜은 η = 1×10⁻⁴에서 구분 가능성을 유지(z > 1)하였으나, 축소된 시더스터프 프로토콜은 η ≥ 1×10⁻⁷에서 실패하였다.
• 민감도 평행육면체 부피는 축소된 시더스터프 프로토콜 대비 10⁶⁴배 증가하여 훨씬 뛰어난 측정 품질을 나타내었다.
• 대칭성 제약 조건(예: 3중 대칭) 하에서 정규직교 기저 함수를 사용함으로써, 오직 M₀ = 27개의 기저 함수로도 특징를 정확하게 표현할 수 있었다.
• 두 프로토콜 모두에서 18개의 특이값을 사용한 절단형 SVD가 안정적인 역행렬에 충분했으며, 이는 축소된 모델 공간 접근법의 효율성을 확인하였다.