重新思考医学图像转换的感知指标
图像与视频处理
2024-04-12 v1 计算机视觉与模式识别
机器学习
摘要
现代医学图像转换方法使用生成模型来完成诸如 CT 图像到 MRI 转换等任务。评估这些方法通常依赖于目标域中某个选定的下游任务，例如分割。另一方面，与任务无关的指标也具有吸引力，例如在通用计算机视觉图像转换中常见的基于网络特征的感知指标（如 FID）。本文在两项医学图像转换任务（GE 乳腺 MRI 到 Siemens 乳腺 MRI 以及腰椎 MRI 到 CT）上研究了医学图像转换的评估指标，并在各种最先进的转换方法上进行了测试。我们表明，感知指标通常与分割指标不相关，因为它们难以很好地扩展到这一子领域的解剖学约束，其中 FID 尤为不一致。然而，我们发现较少使用的像素级 SWD 指标可能对微妙的模态内转换有用。我们的结果表明，有必要进一步研究对医学图像转换有用的指标。
引用
@article{arxiv.2404.07318,
title = {Rethinking Perceptual Metrics for Medical Image Translation},
author = {Nicholas Konz and Yuwen Chen and Hanxue Gu and Haoyu Dong and Maciej A. Mazurowski},
journal= {arXiv preprint arXiv:2404.07318},
year = {2024}
}