基于计数法的机器生成医学图像评估

超分辨率、图像内插、整体图像生成、非配对风格迁移以及网络约束图像重建均包含机器学习图像合成的某一方面，而在实际使用时，真实的基准图像未知。然而，在任务关键型医学场景中，对合成图像质量进行定量和权威的评估极其重要。本文指出，所有实际的图像到图像比较都属于相对资格，而非绝对差异量化；因此，可以使用Tversky指数来实现有意义的生成图像质量评估，该指数是衡量感知相似性的已建立方法。本文发展了该评估程序，并使用多个实际和模拟数据集进行演示。主要结果表明，若将任何特征编码选择的主观性和内在缺陷提前置于显露，Tversky方法会得出直观的结果，而基于在深层特征空间中总结距离的传统方法则不行。