論文「Hybrid ABBA-GMRES for Unmatched Backprojectors in Large Scale X-Ray Computerized Tomography」の技術的サマリー

本論文は、大規模な X 線コンピュータ断層撮影（CT）において、前方投影器（forward projector）と後方投影器（backprojector）が一致しない（unmatched）場合の画像再構成問題に焦点を当てています。特に、従来の Krylov 部分空間法が抱える「半収束（semi-convergence）」の問題を解決し、高品質な再構成を実現するための新しいハイブリッド手法を提案しています。

以下に、問題設定、手法、主要な貢献、実験結果、および意義について詳細にまとめます。

1. 問題設定 (Problem)

• 背景: 大規模 CT 画像再構成では、システム行列 $A$ を明示的に構築することが計算コスト的に不可能なため、行列フリー（matrix-free）の反復法が用いられます。
• 課題: 実用的な CT ソフトウェア（ASTRA Toolbox や TIGRE など）では、計算速度やメモリ効率を向上させるため、近似アルゴリズムや異なる離散化を用いて前方投影器 $A$ と後方投影器 $B$ が実装されることが一般的です。この結果、$B \neq A^T$ となり、「一致しない（unmatched）」投影器ペアが生まれます。
• 既存手法の限界:
  • 従来の最小二乗法（CGLS, LSQR など）は、正規方程式 $A^TAx = A^Tb$ の対称性を前提としており、$B \neq A^T$ の場合、非対称な正規方程式となり、収束が不安定になったり、意味のある解が得られなかったりします。
  • 一致しないペアに対応するため、AB-GMRES や BA-GMRES が提案されましたが、これらも半収束（初期反復では誤差が減少するが、ある時点以降はノイズが増幅され誤差が増大する現象）に悩まされます。
  • 半収束を避けるためには反復回数を厳密に制御する必要があるため、停止基準の選択が極めて困難で、再構成品質が不安定になります。

2. 提案手法 (Methodology)

著者らは、Tikhonov 正則化を Krylov 部分空間の射影問題に直接組み込んだハイブリッド AB-GMRES およびハイブリッド BA-GMRESを提案しました。

• 基本的な考え方:

  • 従来の GMRES 法は、各反復で射影された最小二乗問題（式 2.8）を解きます。
  • 提案手法では、この射影問題を正則化付きの最小二乗問題（式 3.1）に置き換えます。
  • 具体的には、Hessenberg 行列 $H_k$ に対して、正則化項 $\lambda^2 \|y\|^2$ を加え、以下の問題を解きます：
    $$y_k = \arg \min_y \left\| \begin{pmatrix} H_k \\ \lambda I \end{pmatrix} y - \|r_0\|_2 \begin{pmatrix} e_1 \\ 0 \end{pmatrix} \right\|_2^2$$
  • これにより、各反復ステップでデータ忠実度と解の滑らかさ（正則化）のバランスを自動的に取ることができます。

• 正則化パラメータの自動選択:

  • 各反復で小さな射影問題に対して正則化パラメータ $\lambda$ を動的に決定します。
  • 使用した手法：L-カーブ法（残差ノルムと解ノルムのトレードオフを可視化）と一般化交差検証（GCV）。
  • これらの手法は、大規模な前方・後方投影計算を追加することなく、低次元の部分空間内でのみ計算可能であるため、計算コストが極めて低いです。

• 停止基準:

  • 半収束のリスクを正則化項が緩和するため、従来の残差ノルム停滞（RNS）や不一致原理（DP）に加え、NCP（正規化累積周期図）などの停止基準を比較検討しました。

• リスタート（Restarting）:

  • メモリ制約を管理するため、一定回数（$p$ 回）ごとに反復をリスタートする手法を採用し、大規模問題への適用性を高めています。

3. 主要な貢献 (Key Contributions)

1. ハイブリッド AB/BA-GMRES の定式化:

   • 一致しない投影器ペアに対して、Krylov 反復内で明示的な Tikhonov 正則化を組み込んだ新しいアルゴリズムを提案しました。
   • 「射影してから正則化する（project-then-regularize）」アプローチが、従来の「正則化してから射影する（regularize-then-project）」アプローチと等価ではないことを理論的に示しました。

2. 既存手法との理論的関係の解明:

   • 一致している場合（$B=A^T$）において、ハイブリッド BA-GMRES はハイブリッド LSMR と等価であることを示しました。
   • 一方、ハイブリッド AB-GMRES はハイブリッド LSQR とは等価ではないことを証明しました。

3. 自動パラメータ選択戦略の検討:

   • L-カーブ法と GCV を用いた正則化パラメータの自動選択戦略を提案し、その収束挙動と画像品質への影響を分析しました。

4. 大規模数値実験:

   • GPU 加速された投影器を用いた 2 次元 CT 問題（合成データおよび現実的なシミュレーション）において、提案手法の有効性を検証しました。

4. 実験結果 (Results)

2 つの合成問題と 2 つの大規模実問題（128x128 および 1024x1024 の phantom）を用いた実験で以下の結果が得られました。

• 半収束の抑制:
  • 従来の AB/BA-GMRES は半収束を示し、反復回数が増えると画像品質が劣化しましたが、提案するハイブリッド手法は半収束を効果的に抑制し、反復が進んでも安定した高品質な解を維持しました。
• 再構成品質の向上:
  • 相対再構成誤差（RRE）と構造的類似性（SSIM）の両面で、ハイブリッド手法は非ハイブリッド版や従来の LSQR/LSMR（一致しない場合）よりも優れた性能を示しました。
• 正則化パラメータ選択:
  • L-カーブ法は、一般的に最も効率的で安定した結果をもたらしました。
  • GCVは完全に自動的であり、競合する性能を示しましたが、場合によっては過小評価される傾向がありました。
• 計算効率:
  • 正則化項の追加による計算オーバーヘッドは、前方・後方投影の計算コストに比べて無視できるレベルでした。
  • リスタート手法（例：10 回ごと）は、メモリ使用量を大幅に削減し、計算時間を短縮しながら、再構成品質を維持しました。
  • 問題の性質（過剰決定か過少決定か）によって、AB-GMRES と BA-GMRES のどちらが効率的かが異なり、特に過少決定システムでは AB-GMRES がメモリと時間の面で優位でした。

5. 意義と結論 (Significance)

• 実用的な CT 再構成への貢献:
  • 現代の CT ソフトウェアで広く使われている「近似後方投影器（unmatched backprojectors）」の問題を、理論的・実用的に解決する枠組みを提供しました。
  • 停止基準の選択に依存せず、安定した再構成を可能にするため、実システムへの導入が容易になります。
• スケーラビリティ:
  • GPU 加速環境での実験により、大規模な臨床的・産業的 CT 問題にも適用可能であることを示しました。
• 将来展望:
  • 本手法は、より一般的な正則化演算子への拡張、適応的リスタート戦略、3 次元および時間分解能のあるイメージング問題への適用へと発展させる可能性があります。

結論として、ハイブリッド AB-/BA-GMRESは、一致しない投影器ペアを持つ大規模 CT 再構成問題に対して、半収束を抑制し、高品質で安定した解を提供する、堅牢かつスケーラブルな手法であることが実証されました。