Using gradient of Lagrangian function to compute efficient channels for the ideal observer

要約

ベイジアンの理想的なオブザーバー（IO）を使用して、医療イメージングシステムの客観的な評価と最適化を導くべきであることが広く受け入れられています。
IOは、完全なタスク固有の情報を使用して、推論決定を行うためのテスト統計を計算し、信号検出タスクで最適に実行します。
ただし、IOテスト統計は通常、画像データに非線形に依存しており、分析的に決定することはできません。
ホテルオブザーバー（HO）として知られる理想的な線形オブザーバーは、IOの代理として使用できる場合があります。
ただし、画像データが高次元の場合、HOの計算は困難な場合があります。
タスクに関連する機能を抽出できる効率的なチャネルが調査されており、画像データの次元を減らしてIOとHOのパフォーマンスを近似しています。
この作業は、HOを学習するように設計されたラグランジアンベースの損失関数の勾配を使用して、効率的なチャネルを生成するための新しい方法を提案しています。
生成されたチャネルは、ラグランジアン勾配（lグレード）チャネルと呼ばれます。
さまざまな背景と信号を含むバイナリ信号検出タスクを考慮する数値研究が実施されています。
L-グレードチャネルを使用したチャネル化されたHO（CHO）は、PLSチャネルを使用してCHOと比較して、かなり優れた信号検出性能を生成できることが実証されています。
さらに、提案されたLグラデーション法は、PLSメソッドと比較して計算時間が大幅に低下することが示されています。

要約(オリジナル)

It is widely accepted that the Bayesian ideal observer (IO) should be used to guide the objective assessment and optimization of medical imaging systems. The IO employs complete task-specific information to compute test statistics for making inference decisions and performs optimally in signal detection tasks. However, the IO test statistic typically depends non-linearly on the image data and cannot be analytically determined. The ideal linear observer, known as the Hotelling observer (HO), can sometimes be used as a surrogate for the IO. However, when image data are high dimensional, HO computation can be difficult. Efficient channels that can extract task-relevant features have been investigated to reduce the dimensionality of image data to approximate IO and HO performance. This work proposes a novel method for generating efficient channels by use of the gradient of a Lagrangian-based loss function that was designed to learn the HO. The generated channels are referred to as the Lagrangian-gradient (L-grad) channels. Numerical studies are conducted that consider binary signal detection tasks involving various backgrounds and signals. It is demonstrated that channelized HO (CHO) using L-grad channels can produce significantly better signal detection performance compared to the CHO using PLS channels. Moreover, it is shown that the proposed L-grad method can achieve significantly lower computation time compared to the PLS method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google