使用深度特征距离来评估MR图像重建的感知质量
Philip M Adamson1, Arjun D Desai1, Jeffrey Dominic1
1Department of Electrical Engineering, Stanford University, Stanford, California, USA.
Magnetic resonance in medicine
|February 8, 2025
概括
深度特征距离 (DFD) 和高频误差规范 (HFEN) 与放射科医生感知到的MRI图像重建的诊断图像质量有很强的相关性,性能优于传统指标.
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:
- 像PSNR和SSIM这样的传统图像质量 (IQ) 度量通常无法与专家放射科医生对MRI图像重建中的诊断IQ的评估保持一致.
- 开发新的指标对于准确评估加速MR图像重建的感知质量至关重要.
研究的目的:
- 开发和评估深度特征距离 (DFD) 作为MR图像重建的感知智商指标.
- 评估域移动对DFD性能的影响.
- 为了比较DFD与既定和最先进的智商指标.
主要方法:
- 将标准IQ指标 (PSNR,SSIM) 与DFD (域内,域邻近,域外) 和其他指标 (VIF,NQM,HFEN) 进行比较.
- 通过与专家放射科医生对加速MRI图像重建的得分进行相关联来评估指标性能.
- 评估了对采集噪声和扭曲的度量敏感性.
主要成果:
- 所有的DFD和HFEN都与放射科医生感知的诊断IQ的相关性比PSNR和SSIM更强.
- DFD 的性能与放射科医生的读者间变异性相当.
- 域外的DFD执行以及域内和域邻近的DFD.
结论:
- 当与传统指标一起使用时,DFD和HFEN提供了对MR图像重建感知质量的更全面的评估.
- 一般视觉编码器可以有效地评估MRI图像的视觉智商,即使没有特定的MRI训练数据.
