幻觉指数:用于生成重建模型的图像质量指标
Matthew Tivnan1, Siyeop Yoon1, Zhennong Chen1
1Massachusetts General Hospital and Harvard Medical School, 55 Fruit Street, Boston, MA, 02114.
Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
|April 1, 2025
概括
医学成像中的生成人工智能可以创建现实的图像,但可能会引入称为幻觉的微妙错误. 这项研究引入了一个新的"幻觉指数"来量化这些人工智能生成的图像工件,帮助诊断准确度.
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:
- 生成型人工智能,特别是扩散模型,可以增强低信号噪声比 (SNR) 的医疗图像.
- 这些模型可以引入微妙的"幻觉"在估计物体结构中的错误,这可能导致诊断错误.
- 目前还没有一种标准化的方法来量化这些幻觉.
研究的目的:
- 引入一种新的图像质量指标,幻觉指数,用于评估生成图像重建.
- 评估测量SNR,图像质量和幻觉大小之间的关系.
- 为了研究扩散模型参数对幻觉的影响.
主要方法:
- 提出了幻觉指数,用重建的图像分布和零幻觉参数之间的赫林格距离计算.
- 利用电子显微镜图像和模拟噪声测量进行基于扩散的重建.
- 在地面真相数据上使用前向扩散过程建立了零幻觉参考.
主要成果:
- 较高的测量SNR与较低的幻觉指数相关,用于可比的表面图像质量.
- 在反向扩散过程中提前停止和降低denoising强度降低了幻觉.
- 拟议的指标有效地根据重建参数区分了幻觉水平.
结论:
- 幻觉指数为评估生成图像重建质量的定量测量提供了一个量化指标.
- 这一指标可以帮助识别和减轻医学成像中人工智能诱导的工件.
- 它可能会成为放射科医生测量人工智能增强图像可靠性的宝贵工具.
