磁共振图像质量指标与神经网络分割精度之间的相关性
图像与视频处理
2021-11-02 v1 计算机视觉与模式识别
摘要
具有多级连接的深度神经网络以复杂方式处理输入数据以学习信息。网络的学习效率不仅取决于复杂的神经网络架构，也取决于输入训练图像。利用深度神经网络从磁共振图像中进行颅骨剥离或肿瘤分割的医学图像分割，能够学习图像的全局与局部特征。尽管医学图像在受控环境中采集，仍可能存在伪影或基于设备的方差，导致输入集的固有偏倚。在本研究中，我们探究了MR图像的图像质量指标与神经网络分割精度之间的相关性。为此，我们使用了3D DenseNet架构，并让网络在相同输入上训练，但基于IQM值应用不同方法选择训练数据集。基于随机训练输入与基于IQM训练输入的模型间分割精度差异，揭示了图像质量指标对分割精度的作用。通过运行图像质量指标来选择训练输入，我们可进一步调谐网络的学习效率与分割精度。
引用
@article{arxiv.2111.01093,
title = {Correlation between image quality metrics of magnetic resonance images and the neural network segmentation accuracy},
author = {Rajarajeswari Muthusivarajan and Adrian Celaya and Joshua P. Yung and Satish Viswanath and Daniel S. Marcus and Caroline Chung and David Fuentes},
journal= {arXiv preprint arXiv:2111.01093},
year = {2021}
}