基于概率必要性与充分性的医学图像质量评估
计算机视觉与模式识别
2024-10-11 v1
摘要
医学图像质量评估 (MIQA) 是可靠医学图像分析的关键。尽管深度学习在该领域显示出前景，但当前模型可能被数据中学习到的伪相关所误导，且在分布外 (out-of-distribution, OOD) 场景下难以应对。为此，我们提出一种基于因果推断概念——概率必要性与充分性 (Probability of Necessity and Sufficiency, PNS) 的 MIQA 框架。PNS 测量一组特征对于特定结果的可能性既是必要的 (总是存在于结果中) 也是充分的 (能够保证结果)。我们的 метод利用这一概念，通过学习具有高 PNS 值的隐藏特征来进行质量预测。这鼓励模型捕获更本质的预测信息，增强其对 OOD 场景的鲁棒性。我们在针对 MIQA 任务的前段光学相干断层扫描 (Anterior Segment Optical Coherence Tomography, AS-OCT) 数据集上评估了该框架，实验结果表明该框架的有效性。
引用
@article{arxiv.2410.08118,
title = {Medical Image Quality Assessment based on Probability of Necessity and Sufficiency},
author = {Boyu Chen and Ameenat L. Solebo and Weiye Bao and Paul Taylor},
journal= {arXiv preprint arXiv:2410.08118},
year = {2024}
}