PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.12937v1eess.IV

디지털 유방 단층합성을 위한 정확·보정 확산 재구성

Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis

제한각 디지털 유방 단층합성(DBT)은 좁은 호에 걸친 소수의 저선량 투영으로부터 체적을 재구성한다. 대표적인 9뷰·$25^{\circ}$ 프로토콜에서 이미지 공간의 98% 이상이 미측정이므로, 학습된 사전이 결손 웨지의 구조를 제공해야 한다. 조건부 확산 사전은 여기서 강한 지각 품질을 달성하지만 세 가지 임상적 장애를 남긴다: 부정확한 데이터 일관성, 비국소적 환각, 보정되지 않은 불확실성. 조건부 확산 샘플러의 단계별 근접(proximal) 갱신을 데이터 일관 집합 위의 정확한 유클리드 투영으로 대체하여 측정을 정확히 강제한다. 이는 일회성 Gram 행렬 $AA^{\top}$ 분해를 갖는 $m$차원 이중(dual) 시스템으로 계산된다. 이 투영은 단계당 4.5 ms의 비용($248\times$ 속도 향상)으로 데이터 잔차를 배정밀도(double-precision) 하한($2.4\times10^{-13}$)까지 끌어낸다. 이것이 근접 단계의 $\rho\to0$ 극한임을 증명하고, 무해(no-harm) 정리를 제공하며, 정확히 일관된 샘플 앙상블의 분산이 null($A$) 위에 지지됨을 보인다. 따라서 평균의 모든 오차는 불확실성 맵이 덮는 미측정 부분공간에 존재한다. 환자 유래 유방 팬텀에서 이는 깊이 해상도 비용 없이 충실도를 개선한다. 반대로, 갱신 후에 적용된 근접 단계는 품질을 저하시키며, 일관성 단계의 위치가 결정적임을 분리해 보여준다. 등온(isotonic) 재보정은 앙상블 분포를 보정된 오차 척도로 이끈다(기대 보정 오차 $0.029\to0.008$; 표준화 오차 $4.7\to0.96$), 순수 사전보다 오차 순위화가 더 낫다. 또한 기록용 구체화 연산자(materialized operator of record)를 통해 배포된 투영기의 20.3% 수반(adjoint) 불일치를 수정한다. 이는 제한각 DBT를 위한 최초의 데이터 일관적·불확실성 보정 학습 재구성이다. 이 솔버는 잡음이 있는 측정에 대해 부합도 구(discrepancy-ball) 및 최대 사후(maximum-a-posteriori, MAP) 모드로 자연스럽게 완화된다.