Metodos interativos de decomposição sequencial com mudança de escala em tomografia

• Main Author: Yamagishi, Michel Eduardo Beleza
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 2001
• Subjects: Métodos iterativos (Matemática); Tomografia computadorizada; Otimização matemática
• Online Access: YAMAGISHI, Michel Eduardo Beleza. Metodos interativos de decomposição sequencial com mudança de escala em tomografia. 2001. 113p. Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/307614>. Acesso em: 29 jul. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/307614

Orientador: Alvaro Rodolfo De Pierro === Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica === Made available in DSpace on 2018-07-29T03:52:48Z (GMT). No. of bitstreams: 1 Yamagishi_MichelEduardoBeleza_D.pdf: 5189724 bytes, checksum: 3dac6c65c98bf0fdbe29c02d0602de8a (MD5) Previous issue date: 2001 === Resumo: Apresentamos uma extensão do RAMLA para o problema de Máxima Verossimilhança Regularizado em Tomografia por Emissão. Provamos que, se a seqüência gerada por este método converge, então deve convergir para a solução. Propomos também novos métodos iterativos de reconstrução para os problemas de Máxima Verossimilhança e Máxima Verossimilhança Regularizado em Tomografia por Transmissão. Estes algoritmos são extensões em CT do RAMLA. Mostramos que os novos algoritmos produzem soluções similares ou melhores que o EM para CT e outros métodos de subconjuntos ordenados com a vantagem de serem mais rápidos e terem boas propriedades de convergência === Abstract: We present an extension of RAMLA for Regularized Maximum Likelihood (MAP) in Emission Tomography (ECT) reconstruction. We show that, ifthe sequence generated by this method converges, then it must converge to the true MAP solution. New iterative algorithms are presented for Maximum Likelihood (ML) and MAP reconstruction in Transmission Tomography (CT). The algorithms are natural extensions to CT of RAMLA. We show that the new algorithms for ML and MAP solutions produce similar, or even better results than the EM algorithm and other ordered subsets methods, but in much fewer iterations, and their convergence properties are better than other algorithms === Doutorado === Doutor em Matemática Aplicada