对神经网络的基于任务的评估:基于人类观察者信号检测的低样本MRI重建的评估

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 图像重建 图像的重建

背景情况:

• 神经网络越来越多地用于重建低样本磁共振成像 (MRI).
• 在这些重建中评估图像质量是具有挑战性的,因为复杂的文物.
• 需要基于任务的方法来评估特定诊断任务相关的图像质量.

研究的目的:

• 为了将传统的全球定量指标与人类观察员的表现进行比较,以评估神经网络重建的低样本MRI图像质量.
• 根据常规指标和人类检测任务性能来确定最佳的下样加速 (2×,3×,4×,5×).

主要方法:

• 使用U-Net与1D低样本率 (2×到5×) 的低样本MRI重建.
• 使用常规指标进行评估:规范化根平均平方误差 (NRMSE) 和结构相似性 (SSIM).
• 与基于任务的评估进行比较,使用两种替代强制选择 (2-AFC) 观察员研究来检测微妙的信号.

主要成果:

• 在2-AFC研究中的人类观察者选择了2×低样本作为最佳.
• 传统的指标 (SSIM和NRMSE) 倾向于3×低采样.
• 这种差异在SSIM和MSE损失函数之间在不同的训练集大小中都被观察到.

结论:

• 像SSIM和NRMSE这样的传统指标在评估微妙信号检测任务中的人类表现时,高估了可实现的低样本率.
• 基于任务的图像质量评估对于在基于神经网络的MRI重建中准确确定最佳下样是至关重要的.
• 图像质量的急剧下降发生在2×和3×低采样之间,这是人类观察者比全球指标更好地识别的.