评估基于深度神经网络的图像去噪对二值信号检测任务的影响
图像与视频处理
2021-04-30 v1 信号处理
摘要
针对医学图像，已有多种基于深度神经网络（DNN）的图像去噪方法被提出。传统图像质量（IQ）度量已被用于优化和评估这些方法。然而，基于 DNN 的去噪方法的 IQ 客观评价在很大程度上仍然缺失。在本工作中，我们利用基于任务的 IQ 度量来评估基于 DNN 的去噪方法的性能。具体而言，考虑了在信号精确已知（SKE）且背景统计已知（BKS）条件下的二值信号检测任务。我们量化了理想观察者（IO）和常见线性数值观察者的性能，并计算了检测效率，以评估去噪操作对任务性能的影响。数值结果表明，在所考虑的情形中，应用去噪网络可能导致图像中任务相关信息的损失。我们还评估了去噪网络深度对任务性能的影响。所呈现的结果凸显了对基于 DNN 的去噪技术进行 IQ 客观评价的需求，并可能为提升其在医学成像应用中的有效性指明未来方向。
引用
@article{arxiv.2104.14037,
title = {Assessing the Impact of Deep Neural Network-based Image Denoising on Binary Signal Detection Tasks},
author = {Kaiyan Li and Weimin Zhou and Hua Li and Mark A. Anastasio},
journal= {arXiv preprint arXiv:2104.14037},
year = {2021}
}