多源定量光声断层成像的随机近端梯度算法
数值分析
2018-03-29 v3 医学物理
摘要
发展准确高效的图像重建算法是定量光声断层成像（QPAT）的核心问题。本文针对以辐射传输方程（RTE）作为光传输精确模型的多源 QPAT 处理该问题。根据每个施加光源所测得的声学数据联合重建组织参数。我们发展了用于多源 QPAT 的随机近端梯度方法，其比标准的近端梯度方法更高效，后者单次迭代更新的复杂度与施加光源的数量成正比。此外，我们给出了 QPAT 作为一种多线性（MULL）反问题的全新表述，避免了显式求解 RTE。该 QPAT 的 MULL 表述同样用随机近端梯度方法处理。给出了两种方法的数值结果。除了将随机近端梯度算法引入 QPAT 外，我们将这一新的 QPAT 的 MULL 表述视为本文的主要贡献。
引用
@article{arxiv.1801.07308,
title = {Stochastic Proximal Gradient Algorithms for Multi-Source Quantitative Photoacoustic Tomography},
author = {Simon Rabanser and Lukas Neumann and Markus Haltmeier},
journal= {arXiv preprint arXiv:1801.07308},
year = {2018}
}
备注
Compared to the published journal version, in this manuscript we corrected some typos (e.g. in Theorem 2.8)