LMM-IQA: 用于低剂量 CT 成像的图像质量评估
计算机视觉与模式识别
2025-11-11 v1 人工智能
摘要
低剂量计算机断层扫描 (CT) 通过降低辐射剂量显著改善了患者安全，但增加的噪声、模糊和对比度损失可能会削弱诊断质量。因此，临床应用中对图像质量评估的一致性和鲁棒性变得至关重要。本研究提出了一种基于大语言模型 (LLM) 的质量评估系统，生成数值评分和关于噪声、模糊和对比度损失等退化现象的文本描述。进一步系统地检验了各种推理策略——从零样本方法到元数据集成和错误反馈——并证明了每种方法对整体性能的渐进性贡献。所得评估不仅产生高度相关的评分，还产生可解释的输出，从而为临床工作流程增值。本研究的源代码可在 https://github.com/itu-biai/lmms_ldct_iqa 上获取。
引用
@article{arxiv.2511.07298,
title = {LMM-IQA: Image Quality Assessment for Low-Dose CT Imaging},
author = {Kagan Celik and Mehmet Ozan Unal and Metin Ertas and Isa Yildirim},
journal= {arXiv preprint arXiv:2511.07298},
year = {2025}
}