基于超声基础模型的鲁棒超声质量指标定义
图像与视频处理
2026-05-22 v2
摘要
临床医生缺乏一个有原则的框架来量化超声重建中的诊断效用。现有的标准如 PSNR 和 VGG-LPIPS 是不够的，它们未能考虑模态特定的物理特性或声学成像的结构细微差别。我们用一个基于 TinyUSFM 的评估框架来填补这一空白，该框架具有两个不同的指标：TinyUSFM-uLPIPS，一种基于多层 token 关系的全参考感知距离；以及 TinyUSFM-NRQ，一种可部署的无参考质量评分，利用干净流形建模和最差区域聚合来检测局部有害伪影。我们证明所提出的指标具有四个独特优势：1) 任务关联质量，其中 TinyUSFM-uLPIPS 实现了与语义任务损伤的优异校准，在基于 VGG 的指标失效的分割任务中准确反映了 Dice 分数的下降；2) 跨器官可比性，在不同解剖部位和域偏移数据中保持稳定的评分尺度和一致的严重程度排名；3) PSNR 一致敏感性，TinyUSFM-NRQ 在没有真实图像的情况下提供可靠的质量评分，且与传统保真度基准（即 PSNR）保持一致；4) 临床实用性，将专家偏好的预测准确率从 47.2 提高到 72.8，并产生超声医师偏好的超分辨率重建。通过将这些优势整合到统一的评估和优化循环中，这项工作建立了一个模态对齐的标准，最终弥合了算法性能与诊断效用之间的差距。我们的代码可在 https://github.com/sextant-fable/US-Metrics 获取。
引用
@article{arxiv.2604.19512,
title = {Defining Robust Ultrasound Quality Metrics via an Ultrasound Foundation Model},
author = {Ziyang Huang and Bingyan Li and Chen Ma and Tianyi Liu and Yihui Zhai and Hong Xu and Yi Guo and Zeju Li and Yuanyuan Wang},
journal= {arXiv preprint arXiv:2604.19512},
year = {2026}
}
备注
MICCAI 2026 Early Accept