医学图像全参考图像质量评估重新评估的研究
图像与视频处理
2025-03-17 v4 计算机视觉与模式识别
摘要
图像质量评估（IQA）在临床实践中至关重要，以确保高标准，也在 operate on 医学图像的机器学习算法开发阶段至关重要。流行的全参考（FR）IQA 测量指标 PSNR 和 SSIM 已在许多自然图像任务中被证明成功，但在医学场景下已报告出差异，凸显开发与实际临床应用之间的差距。这种不一致性并不令人惊讶，因为医学图像具有与自然图像截然不同的特性，而 PSNR 和 SSIM 既未针对医学图像进行针对性，也未得到proper测试。这可能导致在临床应用中因错误判断而出现意外问题。本文提供了一个结构化和全面的概述，说明在不同类型的医学图像（包括真实世界的 MRI、CT、OCT、X 射线、数字组织病理和光声成像数据）中，PSNR 和 SSIM 证明不适用于评估使用不同类型的医学图像的新方法。因此，在本数据驱动 AI 时代，提高医学成像及其以外领域机器学习可靠性和可解释性的紧迫需求。最后，我们将提供未来研究的想法以及建议医学图像中使用 FR-IQA 测量的指南。
引用
@article{arxiv.2405.19097,
title = {A study of why we need to reassess full reference image quality assessment with medical images},
author = {Anna Breger and Ander Biguri and Malena Sabaté Landman and Ian Selby and Nicole Amberg and Elisabeth Brunner and Janek Gröhl and Sepideh Hatamikia and Clemens Karner and Lipeng Ning and Sören Dittmer and Michael Roberts and AIX-COVNET Collaboration and Carola-Bibiane Schönlieb},
journal= {arXiv preprint arXiv:2405.19097},
year = {2025}
}