MedIQA:面向提示驱动医学图像质量评估的可扩展基础模型
计算机视觉与模式识别
2025-07-28 v1 人工智能
摘要
医学影像技术的快速进步凸显了对精确且自动化的图像质量评估(IQA)的迫切需求,以确保诊断准确性。然而,现有医学 IQA 方法难以在不同模态与临床场景间泛化。为此,我们推出 MedIQA,首个面向医学 IQA 的综合性基础模型,旨在处理图像维度、模态、解剖区域及类型的多样性变化。为支撑该模型,我们构建了一个大规模多模态数据集,包含大量人工标注的质量分数。我们的模型集成了一个显著切片评估模块以聚焦于诊断相关区域的特征检索,并采用一种自动提示策略,将上游物理参数预训练与下游专家标注微调对齐。大量实验表明,MedIQA 在多个下游任务中显著优于基线方法,建立了可扩展的医学 IQA 框架,推动了诊断工作流与临床决策。
引用
@article{arxiv.2507.19004,
title = {MedIQA: A Scalable Foundation Model for Prompt-Driven Medical Image Quality Assessment},
author = {Siyi Xun and Yue Sun and Jingkun Chen and Zitong Yu and Tong Tong and Xiaohong Liu and Mingxiang Wu and Tao Tan},
journal= {arXiv preprint arXiv:2507.19004},
year = {2025}
}
备注
We note that the version after peer review of this paper has been provisionally accepted by The 28th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2025)