百万参数成像系统CRB估计新突破，潜在空间方法稳定无伪影！
Latent Score-Based Bayesian Cram\'er-Rao Bound Estimation for High-Dimensional Imaging Systems
📖 AI 总结
本文提出一种数据驱动的贝叶斯克拉美-罗界（CRB）估计框架，面向具有复杂且解析不可处理先验的高维成像系统。针对直接计算CRB时先验得分难以建模、贝叶斯费舍尔信息矩阵维度极高难以构建与求逆的难题，作者先将逆问题重构于预训练变分自编码器的潜空间中，大幅降低估计维度并保留图像空间结构，再通过变量变换公式将潜空间CRB映射回原始参数空间。为学习潜空间先验得分，作者提出一种在Bochner空间中以H¹(Ω) Sobolev范数定义的切片得分匹配目标，该目标与标准切片得分匹配一致，但额外惩罚得分空间梯度的误差，从而抑制高频伪影对CRB估计的污染。作者在参数超过一百万的定量光声计算断层乳腺成像问题上，采用基于Stable Diffusion的基础模型自编码器进行验证，结果表明该方法能给出稳定、无伪影的贝叶斯CRB估计，反映所学先验的高度非高斯结构，并揭示先验对竞争性成像设计方案相对性能的显著影响。
🔑 关键词速览
| 贝叶斯克拉美-罗界 (Bayesian Cramér-Rao Bound, CRB) | 贝叶斯估计中参数估计误差协方差矩阵的下界，用于评估估计器性能的理论极限。 |
| 变分自编码器 (Variational Autoencoder, VAE) | 一种生成模型，通过编码器将输入映射到潜在空间，再通过解码器重构输入，常用于降维和特征学习。 |
| 切片得分匹配 (Sliced Score Matching) | 一种估计得分函数（对数概率密度的梯度）的方法，通过随机投影将高维问题转化为一维问题来降低计算复杂度。 |
| Bochner空间 | 取值于Banach空间的向量值函数空间，此处用于定义具有Sobolev范数的得分匹配目标。 |
| 定量光声计算机断层扫描 (quantitative Photoacoustic Computed Tomography, qPACT) | 一种结合光声效应和断层扫描技术的成像方法，可定量重建组织的光吸收系数等参数。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅