低線量腹部CT画像品質評価のための臨床読影に着想を得たネットワーク、ClinReadNet

科学分野:

• 医用画像処理
• 人工知能
• 放射線学

背景:

• 正確な腹部CT画像品質評価は、放射線量と画像品質のバランスをとるために不可欠です。
• 現在の医師による主観的評価は時間がかかり、コストがかかります。
• 自動化された参照なし画像品質評価（No-reference IQA）モデルの開発は、臨床実践にとって重要です。

研究 の 目的:

• 腹部CTスキャンの参照なし画像品質評価のための新しい深層学習フレームワーク、ClinReadNetを提案すること。
• 画像品質を評価するための放射線科医の臨床読影ロジックを模倣するモデルを開発すること。
• 低線量CT画像品質評価において最先端のパフォーマンスを達成すること。

主な方法:

• エッジの詳細と品質分布分析のためのSobel順序品質ネットワーク（SOQN）モジュールを導入しました。
• 注意ベースの領域フォーカスを実現するために、（シフトされた）ウィンドウマルチスケール温度マルチヘッド自己注意（（S）W-MTMSA）モジュールを統合しました。
• 分類精度の向上を目指し、階層的ランク確率スコア（HRPS）損失関数を設計しました。

主要な成果:

• ClinReadNetはLDCTIQAG2023データセットで最先端（SOTA）のパフォーマンスを達成しました。
• ピアソン（PLCC）0.9507、スピアマン（SROCC）0.9554、ケンドール（KROCC）0.8629の高い相関係数を達成しました。
• 画像品質評価精度において既存の方法を上回りました。

結論:

• ClinReadNetは、正確なCT画像品質評価のために、放射線科医の読影習慣を効果的に模倣します。
• 提案されたフレームワークは、効率的で信頼性の高い低線量CT画像評価のための実用的なソリューションを提供します。
• この深層学習アプローチは、腹部CT画像診断ワークフローを強化する大きな可能性を秘めています。