Total variation regularization with reduced basis in electrical impedance tomography

1. 연구 배경 및 문제 정의 (Problem)

• 전기 임피던스 단층촬영 (EIT): 물체 내부의 전도도 분포를 표면 전극을 통해 주입된 전류와 측정된 전압으로부터 재구성하는 비침습적 영상 기법입니다.
• 수학적 모델: 완전 전극 모델 (Complete Electrode Model, CEM) 을 사용하여 전극의 형태와 전극 - 물체 계면의 접촉 저항을 고려합니다.
• 역문제 (Inverse Problem): EIT 역문제는 비선형이며 불완전합니다. 전도도 $\sigma$와 접촉 저항 $z$를 동시에 추정하는 것은 계산 비용이 매우 크고 불안정합니다.
• 정규화 (Regularization): 전도도 분포가 균일한 배경에 날카로운 경계 (inclusions) 를 가진다는 사전 정보를 활용하기 위해 총변분 (Total Variation, TV) 정규화를 사용합니다. TV 정규화는 에지 (edge) 를 보존하는 특성이 있어 역문제 해결에 유리하지만, 비선형성으로 인해 반복적 해법이 필요하며 계산 시간이 길어지는 문제가 있습니다.
• 핵심 문제: 3 차원 비정렬 유한요소 (FE) 메시에서 TV 정규화를 적용한 EIT 재구성을 수행할 때, 계산 시간이 너무 길어 실시간 (online) 응용이 어렵다는 점입니다.

2. 방법론 (Methodology)

이 논문은 축소 기저 (Reduced Basis, RB) 기법을 TV 정규화 기반의 EIT 재구성 알고리즘에 결합하여 계산 속도를 획기적으로 개선하는 방법을 제안합니다.

2.1 베이지안 프레임워크 및 사전 정보

• 사전 분포: 전도도는 조각별 상수 (piecewise constant) 구조를 가진다는 가정을 연속화된 TV (smoothened TV) 사전 분포로 인코딩합니다.
• 사후 분포 추정: 최대 사후 확률 (MAP) 추정을 위해 Tikhonov 범함수를 최소화하는 문제를 풉니다. 이 범함수는 가능도 (likelihood) 항과 TV 사전 정보 항 모두 비이차형 (non-quadratic) 입니다.

2.2 알고리즘 구조

제안된 알고리즘은 다음과 같은 중첩된 반복 구조를 가집니다:

1. 외부 루프 (Sequential Linearization): 측정 모델의 비선형성을 선형화하여 문제를 근사합니다.
2. 내부 루프 (Lagged Diffusivity & LSQR): 선형화된 TV 정규화 문제를 해결하기 위해 'lagged diffusivity' 반복법과 사전 조건부 LSQR (Preconditioned LSQR) 을 사용합니다.
3. 접촉 저항 제거 (Projection): 접촉 저항 $z$의 영향을 제거하기 위해, 전극 측정값의 야코비안 행렬 $J_z$의 치역 (range) 에 수직인 공간으로 사영 (projection) 하는 기법을 적용합니다. 이를 통해 $z$를 재구성하지 않고 내부 전도도 $\sigma$만 추정할 수 있게 되어 알고리즘이 단순화되고 안정성이 향상됩니다.

2.3 축소 기저 (Reduced Basis) 적용

• 적용 대상: 축소 기저는 전도도 $\sigma$에 대한 TV 정규화 항 (penalty term) 에는 적용되지 않습니다. 대신, CEM 순방향 문제 (forward problem) 의 해인 내부 전위 (electric potentials) 계산에만 적용됩니다.
• 구현 방식 (POD):
  • 오프라인 단계 (Offline): 다양한 전도도 및 접촉 저항 샘플 (로그 정규 분포에서 추출) 에 대해 CEM 순방향 문제를 풀어 '스냅샷 (snapshots)'을 생성합니다.
  • POD (Proper Orthogonal Decomposition): 이 스냅샷들을 통해 전위 공간의 저차원 기저 (기저 행렬 $Q$) 를 구성합니다.
  • 온라인 단계 (Online): 재구성 알고리즘 실행 시, 거대한 희소 행렬 (FE 시스템 행렬) 대신 축소된 밀집 행렬 (Reduced order surrogate) 을 사용하여 순방향 해와 야코비안 행렬을 빠르게 계산합니다.
• 전제 조건: 축소 기저 구성에는 측정 기하학적 구조와 전도도/접촉 저항의 대략적인 수준에 대한 사전 정보가 필요하며, 이는 측정 전 오프라인에서 수행됩니다.

3. 주요 기여 (Key Contributions)

1. TV 정규화와 축소 기저의 성공적 결합: EIT 및 기타 역타원형 경계값 문제에서 에지 강화 (edge-enhancing) 특성을 가진 TV 정규화와 축소 기저 기법을 결합한 최초의 연구 중 하나입니다.
2. 계산 효율성 극대화:
   • 순방향 문제 해결 및 야코비안 행렬 계산에 축소 기저를 적용하여 3 차원 3D 비정렬 메시에서의 재구성 시간을 수 초 (seconds) 수준으로 단축했습니다.
   • TV 정규화 항은 고해상도로 유지하여 재구성의 질과 에지 보존 능력을 저하시키지 않았습니다.
3. 접촉 저항 불확실성 해결: 접촉 저항을 재구성하지 않고 사영 (projection) 기법으로 제거함으로써, 접촉 저항의 초기 추정치 오차가 재구성 결과에 미치는 영향을 최소화했습니다.
4. 실제 데이터 검증: 시뮬레이션 데이터뿐만 아니라 실제 실험 장치 (수조, 흉부 모양 탱크) 에서 수집된 데이터를 통해 알고리즘의 유효성을 입증했습니다.

4. 실험 결과 (Results)

논문은 4 가지 사례 (2 가지 시뮬레이션, 2 가지 실험 데이터) 를 통해 알고리즘을 검증했습니다.

• 재구성 품질: 축소 기저를 사용한 경우와 사용하지 않은 경우 (Standard) 의 재구성 결과는 시각적으로 거의 동일했으며, 전도도 불연속면 (inclusions) 의 위치와 형태를 정확하게 복원했습니다. TV 정규화의 에지 강화 특성도 유지되었습니다.
• 계산 시간 (성능 향상):
  • Case 1 (원통형, 시뮬레이션): 표준 버전 43 초 $\rightarrow$ 축소 기저 버전 22 초 (약 2 배 속도 향상).
  • Case 2 (구형, 시뮬레이션): 표준 버전 15 초 $\rightarrow$ 축소 기저 버전 7 초 (약 2 배 속도 향상).
  • Case 3 (흉부 모양 수조, 실험 데이터): 표준 버전 17 초 $\rightarrow$ 축소 기저 버전 7 초.
  • Case 4 (원통형 수조, 실험 데이터): 표준 버전 34~35 초 $\rightarrow$ 축소 기저 버전 12 초 내외.
• 오프라인 비용: 축소 기저 구성 (POD) 에는 약 수십 분의 계산 시간이 소요되지만, 이는 측정 전 오프라인에서 수행되므로 실시간 재구성에는 영향을 주지 않습니다.
• 하드웨어: 일반적인 노트북 (Intel Core Ultra 5, 32GB RAM) 에서 수 초 내에 3 차원 재구성이 가능함을 확인했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 실시간 EIT 가능성: 이 연구는 3 차원 EIT 재구성을 표준 노트북에서 수 초 내에 수행할 수 있게 하여, 실시간 의료 영상 또는 공정 모니터링과 같은 응용 분야에 EIT 기술을 적용할 수 있는 가능성을 열었습니다.
• 정확성과 속도의 균형: 축소 기저를 사용하여 순방향 계산 속도를 높이는 동시에, TV 정규화를 고해상도로 유지하여 재구성의 정밀도 (특히 에지 보존) 를 희생하지 않는 균형을 성공적으로 달성했습니다.
• 확장성: 본 논문에서 제시된 아이디어는 EIT 외에도 다양한 역타원형 경계값 문제 (inverse elliptic boundary value problems) 에 적용될 수 있는 일반적인 프레임워크를 제공합니다.

요약하자면, 이 논문은 축소 기저 (Reduced Basis) 기법을 총변분 (TV) 정규화 기반 EIT 재구성 알고리즘에 도입하여, 계산 속도를 획기적으로 개선하면서도 재구성 품질을 유지하는 혁신적인 방법을 제시했습니다.