基于图像标尺的 MRI 伪影与内容特异性质量评估
图像与视频处理
2022-01-21 v1 人工智能
计算机视觉与模式识别
摘要
在临床实践中，MR 图像常在扫描后很久才首次被放射科医生看到。若图像质量不佳，要么患者需返回进行额外扫描，要么给出次优解读。自动图像质量评估（IQA）可实现实时补救。现有 MRI 的 IQA 工作仅给出通用质量分数，对低质量扫描的成因与解决方案不加区分。此外，放射科医生对图像质量的要求随扫描类型与诊断任务而异。因此，同一分数对不同扫描可能意味不同。我们提出一个由标定标签训练、以图像标尺推理的多任务 CNN 模型框架。由人类输入标定的标签遵循定义良好且高效的标注任务。图像标尺解决了可变质量标准问题，并提供了解读 CNN 原始分数的具体方式。该模型支持对 MRI 中最常见的两类伪影——噪声与运动——的评估。其准确率达约 90%，比所考察的最佳先前方法高 6%，在噪声评估上比人类专家高 3%。我们的实验表明，标签标定、图像标尺与多任务训练提升了模型的性能与泛化能力。
引用
@article{arxiv.2111.03780,
title = {Artifact- and content-specific quality assessment for MRI with image rulers},
author = {Ke Lei and John M. Pauly and Shreyas S. Vasanawala},
journal= {arXiv preprint arXiv:2111.03780},
year = {2022}
}