基于深度学习的医学图像无参考质量评估与域适应
图像与视频处理
2022-10-20 v1 计算机视觉与模式识别
机器学习
摘要
在不同领域中，预测多媒体内容的质量常常是必需的。在某些应用中，质量度量至关重要且影响重大，并可能影响诸如基于医学多媒体进行诊断等决策。本文关注此类应用，提出一种高效浅层模型，用于从少量标注数据出发无参考地预测医学图像质量。我们的模型基于卷积自注意力，旨在从图像的相关局部特征中建模复杂表示，该表示在图像上滑动以插值出全局质量分数。我们还以无监督与半监督方式应用域适应学习。所提模型通过由若干图像及其对应主观分数组成的数据集进行评估。所得结果展示了所提方法的有效性，同时也表明了应用域适应以针对感知质量预测的下游任务在不同多媒体域上实现泛化的相关性。\footnote{由 TIC-ART 项目、大区基金（中央-卢瓦尔河谷大区）资助}
引用
@article{arxiv.2210.10533,
title = {Deep-based quality assessment of medical images through domain adaptation},
author = {Marouane Tliba and Aymen Sekhri and Mohamed Amine Kerkouri and Aladine Chetouani},
journal= {arXiv preprint arXiv:2210.10533},
year = {2022}
}
备注
ICIP 2022