[论文解读] Empirical average-case relation between undersampling and sparsity in x-ray CT

Jakob Sauer Jørgensen, Emil Y. Sidky+2 more|arXiv (Cornell University)|Nov 24, 2012

Medical Imaging Techniques and Applications参考文献 35被引用 3

一句话总结

该论文通过实证研究，建立了图像稀疏度与通过L1最小化实现精确重建所需的CT投影数之间的定量、平均情况关系。利用模拟的扇束CT数据，研究揭示了可恢复性方面的一个尖锐相变，该相变依赖于图像类别，与图像尺寸无关，并且在存在小量高斯噪声时依然保持鲁棒，为利用稀疏性方法的低剂量CT成像提供了实用指导。

ABSTRACT

In x-ray computed tomography (CT) it is generally acknowledged that reconstruction methods exploiting image sparsity allow reconstruction from a significantly reduced number of projections. The use of such reconstruction methods is motivated by recent progress in compressed sensing (CS). However, the CS framework provides neither guarantees of accurate CT reconstruction, nor any relation between sparsity and a sufficient number of measurements for recovery, i.e., perfect reconstruction from noise-free data. We consider reconstruction through 1-norm minimization, as proposed in CS, from data obtained using a standard CT fan-beam sampling pattern. In empirical simulation studies we establish quantitatively a relation between the image sparsity and the sufficient number of measurements for recovery within image classes motivated by tomographic applications. We show empirically that the specific relation depends on the image class and in many cases exhibits a sharp phase transition as seen in CS, i.e. same-sparsity image require the same number of projections for recovery. Finally we demonstrate that the relation holds independently of image size and is robust to small amounts of additive Gaussian noise.

研究动机与目标

• 通过实证方法确定图像稀疏度与利用L1最小化实现精确重建所需CT投影数之间的关系。
• 研究该关系是否依赖于图像类别、尺寸或噪声水平。
• 为利用稀疏性方法的低剂量CT重建提供定量、数据驱动的指导。
• 探索在存在加性噪声和图像结构变化等实际条件下，稀疏度-采样关系的鲁棒性。

提出的方法

• 使用标准CT几何结构生成模拟的扇束CT数据，投影数固定。
• 从明确定义的图像类别（如随机、2次幂、块状）中合成稀疏图像，并控制其稀疏度水平。
• 通过L1最小化进行重建，满足数据一致性约束，使用MOSEK优化求解器以确保鲁棒性。
• 通过设定严格的误差阈值，将重建图像与原始稀疏图像进行比较以评估恢复效果。
• 构建相图以可视化稀疏度与采样率变化下从无法恢复到可恢复的过渡过程。
• 通过向投影数据中引入小量加性高斯噪声来测试鲁棒性。

实验结果

研究问题

• RQ1 图像稀疏度与通过L1最小化实现精确重建所需的CT投影数之间存在何种定量关系？
• RQ2 该关系在具有不同结构特征的不同图像类别之间如何变化？
• RQ3 该稀疏度-采样关系是否与图像尺寸无关，且在更大图像上依然成立？
• RQ4 该恢复关系对投影数据中少量加性高斯噪声的鲁棒性如何？
• RQ5 从无法恢复到可恢复的相变是尖锐的还是渐进的？哪些因素会影响这一特性？

主要发现

• 在扇束CT中，图像稀疏度与实现精确L1重建所需投影数之间存在清晰的平均情况关系。
• 对于结构较不规则的图像类别（如具有随机或2次幂稀疏模式的图像），恢复相变表现尖锐。
• 对于更具结构性的图像类别（如块状图像），所需投影数更少，但恢复的变异性更高。
• 稀疏度-采样关系与图像尺寸无关，表明可通过外推实现可扩展性。
• 在存在小量加性高斯噪声时，该关系依然保持鲁棒，表明其在真实CT系统中的实际应用价值。
• 研究结果提示，CT中压缩感知存在潜在的理论基础，但尚未得到正式建立。