MIINet：一种支持医学诊断的图像质量改善框架
图像与视频处理
2020-12-01 v1 计算机视觉与模式识别
摘要
医学图像一直是辅助医学专家进行诊断决策的不可或缺且有用的工具。然而，所拍摄的医学图像尤其是咽喉与内镜图像通常存在模糊、缺乏焦点或光照不均的问题。因此，这些会给医生的诊断过程带来困难。本文中，我们提出 MIINet，一种新颖的图像到图像翻译网络，通过无监督地将低质量图像翻译为高质量清晰版本来改善医学图像质量。我们的 MIINet 不仅能够生成高分辨率清晰图像，还可保留原始图像的属性，使诊断对医生更为有利。对 100 张实际咽喉图像去雾的实验表明，我们的 MIINet 大幅提升了平均医生意见评分（MDOS），该评分从基线 2.36 提高到 4.11 以评估图像质量与可重复性，而 CycleGAN 去雾图像得分较低为 3.83。三位医师确认 MIINet 在从原始低质量图像支持咽喉疾病诊断方面令人满意。
引用
@article{arxiv.2011.14132,
title = {MIINet: An Image Quality Improvement Framework for Supporting Medical Diagnosis},
author = {Quan Huu Cap and Hitoshi Iyatomi and Atsushi Fukuda},
journal= {arXiv preprint arXiv:2011.14132},
year = {2020}
}
备注
Accepted at the ICPR2020 Workshops