[论文解读] Using the Notion of Copula in Tomography

Doriano-Boris Pougaza, Ali Mohammad‐Djafari+1 more|ArXiv.org|Dec 6, 2008

Mathematical Approximation and Integration参考文献 4被引用 4

一句话总结

本文提出了一种基于配对理论（copula theory）的新型计算机断层扫描（CT）图像重建框架，用于建模边缘投影之间的依赖结构，将逆问题视为从其线积分边缘分布重建联合密度。通过应用Sklar定理及配对族（如高斯、Clayton、Gumbel），该方法仅需两个投影（水平与垂直）即可实现重建，仿真结果与自研的<<copula-tomography>>软件包验证了其可行性，初步结果表现良好。

ABSTRACT

In 1917 Johann Radon introduced the Radon transform which is used in 1963 by A. M. Cormack for application in the context of tomographic image reconstruction. He proposed to reconstruct the spatial variation of the material density of the body from X-Ray images (radiographies) for different directions. Independently G. N. Hounsfield derived an algorithm and built the first medical CT scanner. Basically the idea of the X-ray CT is to get an image of the interior structure of an object by X-raying the object from many different directions. The mathematical problem is then estimating a multivariate function from its line integrals. Four year before Cormack's idea, Abe Sklar introduced a theory in the context of Statistics called copula. Shortly copulas are functions that link multivariate distributions to theirs univariate marginal functions. It appeared that copulas captivated all dependence structure concerning the marginal functions and offer a wide range of parametric family model which could be used as a model for the joint distribution function. This statistical problem is the same as in Tomography, because a marginal density is obtained from a line integral of its joint distribution. In the particular case of only given horizontal and vertical projections corresponding to a given two marginal functions, we link the theory of copula to tomography via the Radon transform and Sklar's theorem. The result we propose seems to be new as mathematical approach to solve this tomographic inverse problem.

研究动机与目标

• 弥合断层扫描重建与统计配对理论之间的数学类比。
• 通过配对建模依赖关系，仅利用两个投影（水平与垂直）解决CT中病态的逆问题。
• 开发一种计算框架，用于基于配对联合密度建模的断层扫描重建模拟。
• 通过合成数据与原型<<copula-tomography>>软件包验证该方法。

提出的方法

• 利用Sklar定理，通过配对函数将多元联合分布与一元边缘分布关联起来。
• 应用多种配对族（阿基米德型：Clayton、Gumbel、Frank、Ali-Mikhail-Haq；椭圆型：高斯、t）来建模边缘投影之间的依赖关系。
• 采用反投影（BP）、滤波反投影（FBP）及乘法反投影（MBP）方法，从未知边缘数据重建图像。
• 开发了具有菜单驱动界面的自研<<copula-tomography>>软件包，用于基于配对的图像重建模拟。
• 使用高斯混合模型来建模复杂联合密度，并在不同配对假设下验证重建效果。
• 采用最大似然估计（MLE）、基于边缘的推断（IFM）及贝叶斯方法进行配对参数估计。

实验结果

研究问题

• RQ1 配对理论能否有效应用于仅从两个边缘投影（水平与垂直）重建二维密度？
• RQ2 不同配对族（如高斯、Clayton、Gumbel）对断层扫描图像重建的质量与准确性有何影响？
• RQ3 配对所捕捉的依赖结构在仅使用有限投影的CT病态逆问题中，能在多大程度上提升重建性能？
• RQ4 集成配对与断层扫描重建的软件包能否有效实现并用于模拟？

主要发现

• 基于配对的方法成功实现了仅从两个边缘投影（水平与垂直）重建联合密度，验证了其在病态逆问题中的可行性。
• 使用2个与5个投影的初步仿真结果表明，基于配对的重建方法（如MBP、MFBP）可生成视觉上合理且结构准确的图像。
• <<copula-tomography>>软件包支持使用不同配对族与高斯混合模型进行图像重建的交互式模拟。
• 不同配对族（如Gumbel、Clayton、Frank）产生不同的依赖结构，从而可根据边缘数据灵活建模联合密度。
• 该方法在捕捉合成数据中复杂空间依赖关系方面表现良好，尤其在使用配对调制边缘的乘法反投影时更为显著。
• 该框架为断层扫描重建提供了新的统计视角，通过引入依赖建模，扩展了传统方法（如FBP）的适用范围。