X 射线断层扫描背景下包含边界的不确定性量化
数值分析
2022-12-20 v2 数值分析
摘要
在本工作中,我们描述了一种贝叶斯框架,用于在无限维设定下重建 X 射线计算机断层扫描(CT)问题中分段光滑区域的边界。除重建外,我们还能量化预测边界的不确定性。我们的方法是目标导向的,即直接从数据检测不连续性,而非重建整个图像。这极大降低了问题的维度,使马尔可夫链蒙特卡罗(MCMC)方法的应用成为可能。我们展示了我们的方法为具有挑战性的 X 射线 CT 场景(例如含噪声数据、有限角度或稀疏角度成像的情况)提供了优良平台。我们在合成数据及真实世界数据上考察了方法的性能与准确性。数值结果表明,我们的方法在检测分段光滑区域边界方面提供了准确手段,并量化了预测中的不确定性。
引用
@article{arxiv.2107.06607,
title = {Uncertainty Quantification of Inclusion Boundaries in the Context of X-ray Tomography},
author = {Babak Maboudi Afkham and Yiqiu Dong and Per Christian Hansen},
journal= {arXiv preprint arXiv:2107.06607},
year = {2022}
}