Superiorization versus regularization: A comparison of algorithms for solving image reconstruction problems with applications in computed tomography
Notice bibliographique
Résumé
PURPOSE: A system matrix can be built in order to account for the refractions in an optical computed tomography (CT) system. In order to utilize this system matrix, iterative methods are employed to solve the image reconstruction problem. The purpose of this study is to compare potential iterative algorithms to solve this image reconstruction problem. Comparisons examine both solution time and the quality of the reconstructed image. While our work is motivated by optical CT, the results can be extended more generally to CT. METHODS: A collection of 21 algorithms for solving the image reconstruction problem were evaluated. Specifically, algorithms using (i) superiorization techniques and (ii) regularization to avoid overfitting were compared. Multiple test problems are investigated using 18 different image phantoms, parallel-beam and fan-beam system matrices, and varying noise levels. Comparison of the algorithms is done using performance profiles on three different performance measures. RESULTS: The results for both the synthetic and clinical test problems show that there is not one single algorithm outperforming all others, but instead a set of top algorithms that give the best values on the performance profiles. When qualitative analyses such as reliance on stopping conditions, number of input parameters, and run time are also considered, FISTA-TV shows slight advantages over the other top algorithms. CONCLUSIONS: There is a set of top algorithms that all show good results in the performance profiles with a mix of superiorized and regularized model algorithms. As to which of these top algorithms outperforms the rest is undetermined and further research needs to be investigated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».