基于自动畸变识别技术的无参考医学图像质量评估方法：应用于MRI引导放射治疗预处理
图像与视频处理
2024-12-11 v2 计算机视觉与模式识别
医学物理
摘要
目的：开发一种利用自动畸变识别的无参考图像质量评估方法，以提升MRI引导放射治疗的精度。方法：我们分析了来自10例肝转移患者的106,000张MR图像，使用Elekta Unity MR-LINAC采集。我们的无参考质量评估模型包括：1）图像预处理以增强关键诊断特征的可视性；2）使用MSCN系数在四个方向上进行特征提取与方向分析，以捕获纹理属性和梯度，对识别图像特征和潜在畸变至关重要；3）综合性质量指数（QI）计算，通过AGGD参数估计和K-means聚类整合特征。QI基于方向得分的加权MAD计算，提供对离群值鲁棒的综合性图像质量度量。留一交叉验证（LOO-CV）评估了模型的泛化性和性能。比较了有无预处理条件下的肿瘤追踪算法性能，以验证追踪精度的提升。结果：预处理显著改善了图像质量，QI表现出显著的正向变化并超越了其他指标。归一化后，QI的平均值是CNR的79.6倍，表明图像定义和对比度的改善。它在细节识别方面也表现出更高的灵敏度，平均值分别为Tenengrad梯度和熵的6.5倍和1.7倍。肿瘤追踪算法确认预处理图像显著提升了追踪精度，验证了预处理的有效性。结论：本研究提出了一种基于自动畸变识别的新型无参考图像质量评估方法，为MRI引导放射治疗肿瘤追踪提供了一种新的质量控制工具。它提升了临床应用的准确性，并促进了医学图像质量评估的标准化，具有重要的临床和研究价值。
引用
@article{arxiv.2412.06599,
title = {A No-Reference Medical Image Quality Assessment Method Based on Automated Distortion Recognition Technology: Application to Preprocessing in MRI-guided Radiotherapy},
author = {Zilin Wang and Shengqi Chen and Jianrong Dai and Shirui Qin and Ying Cao and Ruiao Zhao and Guohua Wu and Yuan Tang and Jiayun Chen},
journal= {arXiv preprint arXiv:2412.06599},
year = {2024}
}