X射线CT应用中一种同步重建与分割的快速方法
计算机视觉与模式识别
2021-02-02 v1
摘要
本文提出一种用于X射线计算机断层扫描(CT)中同步重建与分割(SRS)的快速方法。我们的工作基于SRS模型，该模型在隐马尔可夫测度场模型(HMMFM)上使用了贝叶斯准则和最大后验(MAP)。原始方法产生一个对数-求和(log-sum)项，该项对分类指标不可分离。模型中的最小化问题通过约束梯度下降法(Frank-Wolfe算法)求解，该方法非常耗时，尤其在处理大规模CT问题时。本文的出发点是log-sum运算的可交换性，通过引入辅助变量可将log-sum问题转化为sum-log问题。对应的SRS模型的sum-log问题是可分离的。在应用交替最小化方法后，该问题转化为若干个易于求解的凸子问题。文中我们还研究了通过添加Tikhonov正则化改进的模型，并给出了一些收敛性结果。实验结果表明，所提算法能以远少于原始SRS方法的CPU时间产生可比的结果。
引用
@article{arxiv.2102.00250,
title = {A fast method for simultaneous reconstruction and segmentation in X-ray CT application},
author = {Yiqiu Dong and Chunlin Wu and Shi Yan},
journal= {arXiv preprint arXiv:2102.00250},
year = {2021}
}