获取精确且可比较的眼底图像质量评分：FTHNet与FQS数据集
图像与视频处理
2024-11-20 v1 计算机视觉与模式识别
摘要
视网膜眼底图像广泛用于诊断，其质量直接影响诊断结果。然而，由于数据集和算法应用的不足，当前的眼底图像质量评估（FIQA）方法不足以满足眼科医生的需求。在本文中，我们解决了FIQA中数据集和算法的局限性。首先，我们建立了一个新的FIQA数据集——眼底质量评分（FQS），包含2246张眼底图像，带有两个标签：一个从0到100的连续平均意见分数和一个三级质量标签。然后，我们提出了一种基于FIQA Transformer的超网络（FTHNet），以回归结果而非传统FIQA工作中的分类结果来解决这些任务。FTHNet针对FIQA任务进行了优化，并进行了大量实验。在我们的FQS数据集上的结果表明，FTHNet能够以PLCC为0.9423、SRCC为0.9488的指标给出眼底图像的质量分数，在参数更少、计算复杂度更低的情况下显著优于其他方法。我们成功构建了一个数据集和模型，解决了当前FIQA方法的问题。此外，模型部署实验证明了其在自动医学图像质量控制中的潜力。所有实验均采用10折交叉验证以确保结果的显著性。
引用
@article{arxiv.2411.12273,
title = {Acquire Precise and Comparable Fundus Image Quality Score: FTHNet and FQS Dataset},
author = {Zheng Gong and Zhuo Deng and Run Gan and Zhiyuan Niu and Lu Chen and Canfeng Huang and Jia Liang and Weihao Gao and Fang Li and Shaochong Zhang and Lan Ma},
journal= {arXiv preprint arXiv:2411.12273},
year = {2024}
}
备注
11 pages, 7 figures