[논문 리뷰] Template estimation in computational anatomy: Fr\\'echet means in top and quotient spaces are not consistent

Loïc Devilliers, Stéphanie Allassonnière외 2명|arXiv (Cornell University)|2016. 08. 12.

AI in cancer detection참고 문헌 22인용 수 6

한 줄 요약

이 논문은 계산 해부학에서 템플릿 추정에 일반적으로 사용되는 몫공간에서의 프레셰 평균이 노이즈 수준이 높을수록 일반적으로 진짜 템플릿의 일致성 없는 추정량임을 보여준다. 이 일치성의 결여는 노이즈 분포가 몰입 공간으로 들어올 때 발생하며, 이로 인해 변동성이 증가함에 따라 무시할 수 없는 편향이 발생하여 표준 경험적 프레셰 평균 방법이 일관된 템플릿 복원을 위해 무효화된다.

ABSTRACT

In this article, we study the consistency of the template estimation with the Fr\\'echet mean in quotient spaces. The Fr\\'echet mean in quotient spaces is often used when the observations are deformed or transformed by a group action. We show that in most cases this estimator is actually inconsistent. We exhibit a sufficient condition for this inconsistency, which amounts to the folding of the distribution of the noisy template when it is projected to the quotient space. This condition appears to be fulfilled as soon as the support of the noise is large enough. To quantify this inconsistency we provide lower and upper bounds of the bias as a function of the variability (the noise level). This shows that the consistency bias cannot be neglected when the variability increases.

연구 동기 및 목표

• 군 작용 하에서 몰입 공간에서의 프레셰 평균를 사용한 템플릿 추정의 일관성에 대해 조사한다.
• 경험적 프레셰 평균이 진짜 템플릿으로 수렴하지 못하는 조건을 규명한다.
• 노이즈가 존재하고 군 작용이 적용될 때 템플릿 추정의 일관성 편향을 정량화한다.
• 몰입 공간 기반 추정의 한계를 명확히 하기 위해 편향에 대한 이론적 경계를 제공한다.

제안 방법

• 군 작용 하에서 몰입 공간에서의 프레셰 평균에 대한 이론적 분석으로, 상위 공간과 몰입 공간의 기대값 간의 관계에 중점을 둔다.
• 일관성의 충분조건 도출: 노이즈 분포가 몰입 공간으로 접히는 경우, 특히 기대 노이즈가 대칭 위치까지의 거리보다 초과할 경우.
• 극좌표와 정규 노이즈 모델을 사용하여 몰입 사영의 기대값을 계산하고 편향을 정량화한다.
• 노이즈가 접히는 영역에서의 통합을 통해 노이즈 수준(분산)에 대한 일관성 편향의 상한과 하한을 설정한다.
• 다양체 위에서의 기하학적 및 미분 기법의 적용으로, 상위 공간과 몰입 공간의 분산을 미분한다.
• 이론적 반례를 통한 일관성의 증명: 이동과 회전 군을 포함한 반례를 통해 경험적 프레셰 평균이 진짜 템플릿으로 수렴하지 않음을 보여준다.

실험 결과

연구 질문

• RQ1 관측치가 군 작용에 의해 변형될 때, 몰입 공간에서의 프레셰 평균이 진짜 템플릿과 일관성이 있는가?
• RQ2 경험적 프레셰 평균이 몰입 공간에서 진짜 템플릿을 추정하지 못하는 조건은 무엇인가?
• RQ3 데이터의 노이즈 변동성이 증가함에 따라 일관성 편향은 어떻게 척도가 변하는가?
• RQ4 몰입 공간에서의 프레셰 평균를 통한 템플릿 추정의 편향을 수학적으로 경계할 수 있는가?
• RQ5 큰 표본이 있음에도 불구하고, 이동된 신호나 회전된 도형의 경우 경험적 프레셰 평균이 템플릿을 복원하지 못하는 이유는 무엇인가?

주요 결과

• 노이즈 분포가 몰입 공간으로 접힐 경우, 특히 노이즈 수준이 대칭 위치까지의 거리를 초과할 경우, 몰입 공간에서의 프레셰 평균은 템플릿 추정에 대해 일관성이 없다.
• 일관성이 없어지는 것은 오직 노이즈가 무작위 변수가 몰입 공간의 접힌 영역에 속할 확률이 양수일 때에만 발생한다. 즉, $\mathbb{P}(X \in HP_B) > 0$.
• 일관성 편향은 정량적으로 경계가 가능하다: 상한과 하한이 노이즈 분산의 함수로 유도되었으며, 이는 편향이 변동성이 증가함에 따라 증가함을 보여준다.
• 이동에 대한 $\mathbb{R}^2$에서의 정규 노이즈의 경우, 편향은 $\int_d^{\infty} \frac{r^2 \exp(-r^2/(2s^2))}{\pi s^2} \sqrt{2} g(d/r) \, dr$ 비례한다. 여기서 $g$는 접힌 영역에 따라 달라진다.
• 표본 크기가 증가함에 따라 편향이 점점 사라지지 않으며, 노이즈가 클 경우에도 여전히 유의미하게 유지되어 경험적 프레셰 평균을 통한 일관된 추정을 무효화한다.
• 일관성의 결여는 유한군에 국한되지 않으며, 템플릿이 고정점이 아닌 한, 연속적인 군 작용(예: 회전, 이동)에 대해서도 성립한다.