微分同相画像登録のための因子化 Levenberg–Marquardt 法: FireANTs 向けの効率的な最適化アルゴリズム

要約: FireANTsは、GPU加速実装を備え、微分同相な画像登録のために適用可能な任意のオプティマイザを用いたプラグアンドプレイ動作を可能にする新しいオイラー降下法を、テスト時の最適化問題として導入しました。FireANTsは、高速でより頑健な最適化のためのデフォルトの最適化アルゴリズムとしてAdamを採用します。しかし、Adamは状態変数（すなわちモーメントと二乗モーメントの推定値）を格納する必要があり、それぞれが大量のメモリを消費するため、非常に大きな画像には使用できません。本研究では、単一のスカラー減衰パラメータのみを最適化子状態として要求する修正Levenberg-Marquardt（LM）オプティマイザを提案します。これは信頼域アプローチを用いて適応的に調整されます。得られるオプティマイザは、大規模ボリュームで最大24.6%のメモリを削減し、4つのデータセットすべてで性能を維持します。脳MRIで調整された単一のハイパーパラメータ設定は、肺CTおよびクロスモーダル腹部登録へ変更なしに転用され、4つのベンチマークのうち3つでAdamと同等またはそれを上回る性能を示します。また、損失関数を悪化させる更新を防ぐためのMetropolis-Hastings様式の拒否ステップの有効性についてのアブレーションも行います。