基于多智能体共识均衡的分布式迭代 CT 重建
图像与视频处理
2019-11-22 v1
摘要
基于模型的图像重建（MBIR）方法相较解析技术显著提升了计算机断层扫描（CT）重建质量，但受限于高计算成本。本文中，我们提出一种多智能体共识均衡（MACE）算法，用于将 MBIR 重建的计算与内存分布到大量并行节点上。在 MACE 中，每个节点仅存储视图的稀疏子集和系统矩阵的一小部分，每个并行节点执行局部稀疏视角重建，基于来自其他节点的重复反馈，收敛到全局最优。我们的分布式方法也可纳入先进去噪器作为先验以增强重建质量。此时，我们获得即插即用（PnP）先验串行框架的并行解，称之为 MACE-PnP。为使 MACE 实用，我们引入一种消除嵌套迭代的部分更新方法，并证明其收敛到相同全局解。最后，我们在具有真实 CT 数据的分布式内存系统上验证我们的方法。我们还展示了在大规模超级计算机上的实现，可实时执行大规模重建。
引用
@article{arxiv.1911.09278,
title = {Distributed Iterative CT Reconstruction using Multi-Agent Consensus Equilibrium},
author = {Venkatesh Sridhar and Xiao Wang and Gregery T. Buzzard and Charles A. Bouman},
journal= {arXiv preprint arXiv:1911.09278},
year = {2019}
}