通过任务特定与任务无关度量重叠的图像质量评估：在前列腺癌多参数 MR 图像分割中的应用
图像与视频处理
2023-06-29 v1 计算机视觉与模式识别
摘要
医学成像中的图像质量评估（IQA）可用于确保下游临床任务可靠执行。需要量化图像对特定目标任务的影响，亦称任务适用性。近期提出了一种任务特定 IQA，在与目标任务预测器同时训练一个图像适用性预测控制器。这使得训练后的 IQA 控制器能够在使用预测器执行该任务（例如现代临床应用中的分割与分类神经网络）时，衡量图像对目标任务性能的影响。本工作中，我们对该任务特定 IQA 方法进行扩展，加入基于自编码作为目标任务的任务无关 IQA。分析任务特定与任务无关 IQA 共同判定的低质量图像之交集，有助于区分导致目标任务性能不佳的潜在因素。例如，常见成像伪影可能不会对目标任务产生不利影响，从而导致低任务无关质量与高任务特定质量；而个体上临床认为具挑战性的病例无法由更好成像设备或协议改善，则可能导致高任务无关质量但低任务特定质量。我们首先描述了一种灵活的奖励塑形策略，可调节任务无关与任务特定质量评分间的权重。此外，我们使用来自 850 名患者的多参数磁共振（mpMR）图像上前列腺肿瘤分割这一临床挑战性目标任务评估所提算法。具有适当加权的任务特定与任务无关质量的所提奖励塑形策略，成功识别出因成像过程缺陷需重新采集的样例。
引用
@article{arxiv.2202.09798,
title = {Image quality assessment by overlapping task-specific and task-agnostic measures: application to prostate multiparametric MR images for cancer segmentation},
author = {Shaheer U. Saeed and Wen Yan and Yunguan Fu and Francesco Giganti and Qianye Yang and Zachary M. C. Baum and Mirabela Rusu and Richard E. Fan and Geoffrey A. Sonn and Mark Emberton and Dean C. Barratt and Yipeng Hu},
journal= {arXiv preprint arXiv:2202.09798},
year = {2023}
}
备注
Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://www.melba-journal.org