[논문 리뷰] Uncertainty quantification for sparse Fourier recovery

Frederik Hoppe, Felix Krahmer외 3명|arXiv (Cornell University)|2022. 12. 30.

Sparse and Compressive Sensing Techniques인용 수 4

한 줄 요약

이 논문은 MRI에서 사용되는 부분 샘플링된 푸리에 행렬과 같은 유계 또는thonormal 체계에 적합한, 비정규화된 LASSO 추정기의 확장으로써 희소 푸리에 복원에 대한 불확실성 정량화(UQ)를 개선한다. 이는 $1/\sqrt{n}$의 최적 속도를 갖는 정직한 신뢰구간을 수립하며, $n \gtrsim \max\{s\log^2s\log p, s\log^2p\}$ 측정값이 있을 경우, 힐베르트 기저가 표준 기저가 아닌 하르 웨이브릿과 같은 비표준 기저에서 희박한 신호일 경우에도 유효하다.

ABSTRACT

One of the most prominent methods for uncertainty quantification in high-dimen-sional statistics is the desparsified LASSO that relies on unconstrained $\ell_1$-minimization. The majority of initial works focused on real (sub-)Gaussian designs. However, in many applications, such as magnetic resonance imaging (MRI), the measurement process possesses a certain structure due to the nature of the problem. The measurement operator in MRI can be described by a subsampled Fourier matrix. The purpose of this work is to extend the uncertainty quantification process using the desparsified LASSO to design matrices originating from a bounded orthonormal system, which naturally generalizes the subsampled Fourier case and also allows for the treatment of the case where the sparsity basis is not the standard basis. In particular we construct honest confidence intervals for every pixel of an MR image that is sparse in the standard basis provided the number of measurements satisfies $n \gtrsim\max\{ s\log^2 s\log p, s \log^2 p \}$ or that is sparse with respect to the Haar Wavelet basis provided a slightly larger number of measurements.

연구 동기 및 목표

• MRI에서의 구조적 측정 설계(예: 부분 샘플링된 푸리에 행렬)에 적용 가능한 고차원 희박 복원에서 불확실성 정량화(UQ) 프레임워크를 개발하는 것.
• 이전에 i.i.d. 서브가우시안 설계에 국한되어 있던 비정규화된 LASSO 접근법을, 푸리에 기반 및 웨이브릿 기반 희박성과 같은 유계 또는thonormal 체계로 확장하는 것.
• 실제 측정 조건에서 현실적으로 신뢰할 수 있는 조건 하에서 MR 영상의 개별 픽셀에 대해 정직한 신뢰구간을 구축하는 것.
• 실제 혈관조영 영상 데이터를 대상으로 실험적으로 방법을 검증하여 다양한 희박성 수준과 노이즈 조건에서의 강인성을 입증하는 것.

제안 방법

• 표준 LASSO 해의 KKT 조건을 활용하여 비정규화된 LASSO 추정기를 도입하고, 선형화된 점근 정규 추정기를 유도한다.
• ℓ₁-정규화에 의해 유도된 편향을 보정하기 위해 비편향 추정기를 사용하여 각 신호 성분에 대한 신뢰구간을 유도한다.
• 유계 또는thonormal 체계 하에서 이론적 보장을 수립하여, 이전의 서브가우시안 설계에서의 결과를 구조적 푸리에 유형 측정 연산자로 일반화한다.
• 진짜 신호가 표준 기저가 아닌 하르 웨이브릿 기저와 같은 비표준 기저에서 희박할 경우에도 일관성을 유지하면서 타당한 추론이 가능한 수정된 추정기를 도입한다.
• 강건한 성능을 확보하기 위해 $\lambda = 25\lambda_0$를 사용하여 데이터 기반으로 LASSO의 조정 파rameter를 선택하며, 여기서 $\lambda_0 = \sigma / \sqrt{n} \cdot (2 + \sqrt{10\log p})$이다.
• 2D MRI 혈관조영 영상 데이터를 대상으로 부분 샘플링된 푸리에 측정값을 적용하고, 복소수 노이즈를 추가한 후, 추정된 신뢰구간을 기준 진짜 신호와 비교하여 방법을 검증한다.

실험 결과

연구 질문

• RQ1 비정규화된 LASSO는 MRI에서 흔한 부분 샘플링된 푸리에 행렬과 같은 구조적 측정 행렬로 확장될 수 있는가?
• RQ2 유계 또는thonormal 체계 하에서 희소 푸리에 복원에 대한 타당한 불확실성 정량화를 달성하기 위해 필요한 최소 측정 수 $n$는 얼마인가?
• RQ3 진짜 신호가 표준 기저가 아닌 하르 웨이브릿 기저와 같은 비표준 기저에서 희박할 경우, 이 방법의 성능은 어떻게 되는가?
• RQ4 유도된 신뢰구간은 통계적으로 정직한가, 즉 다수의 실현값에서 진짜 신호 성분을 높은 확률로 포함하는가?
• RQ5 실제 MRI 응용에서 희박성 수준과 노이즈 수준의 변화에 대해 이 UQ 프레임워크는 얼마나 강인한가?

주요 결과

• s_0 = 1282 희박성과 n = 36,864 측정값(n = 0.4p) 조건에서 MR 영상의 각 픽셀에 대해 정직한 신뢰구간을 확보하며, 커버리지 확률 h_{S_0} \approx 0.93을 달성한다.
• s_0 = 1282일 때, 100회의 몬테카를로 실현값에서 히트율 h_{S_0} = 0.931이며 전체 커버리지 h = 0.951로 나타나 강력한 경험적 타당성을 보인다.
• 이론적 조건 n \gtrsim s\log^2p가 완전히 충족되지 않더라도 방법은 강인하게 유지되며, 높은 희박성 수준에서 히트율이 약간만 감소한다.
• s_0 = 5510일 때 히트율은 h_{S_0} = 0.823으로 감소하지만, 대부분의 경우 기준 진짜 신호를 커버리지하며 높은 희박성에 대한 내성성을 보여준다.
• 모든 테스트된 희박성 수준에서 재구성된 영상과 기준 진짜 신호 간의 SSIM은 $\geq 0.889$로 유지되어 강력한 구조 유사성을 나타낸다.
• 신뢰구간의 반경이 노이즈 수준 $\sigma$에 따라 정확히 스케일링됨을 확인하여 이론적 예측을 확인하고 다양한 노이즈 조건에서의 타당한 추론을 보장한다.