扭曲偏差 结构性MRI的视觉质量评估
Céline Provins1, Élodie Savary1, Thomas Sanchez2,1
1Department of Radiology, Lausanne University Hospital and University of Lausanne, Lausanne, Switzerland.
bioRxiv : the preprint server for biology
|April 8, 2025
概括
破坏人类神经成像数据以保护隐私,改变了人类评级人员的质量评估. 然而,自动化质量指标在很大程度上不受此数据处理步骤的影响.
科学领域:
- 神经成像是一种神经成像.
- 数据 隐私 数据 隐私 数据
- 医学图像分析 医学图像分析
背景情况:
- 分享人类神经成像数据需要删除面部特征 (defacing) 以保护隐私.
- 除可能会删除不可识别的信息,可能会影响数据质量和分析.
- 染对图像质量评估的影响尚未完全理解.
研究的目的:
- 为了研究破坏如何影响T1加权脑图像的质量评估.
- 为了比较染对手动和自动化质量评估的影响.
- 评估MRIQC指标在IXI数据集中对破坏的敏感性.
主要方法:
- 通过四名评级人员对损坏和未损坏的T1加权图像进行手动质量评估 (N=185).
- 使用线性混合效应模型进行统计比较,以评估评价者的感知.
- 使用MRIQC对整个IXI数据集 (N=581) 进行自动化质量评估,使用rm-MANOVA.
主要成果:
- 人类评级者对图像质量的看法受到破坏的显著影响.
- 通过MRIQC提取的自动化质量指标显示对破坏的敏感性最小.
- 变形引入了手动质量评估中的偏差,但在自动化指标中没有显著的偏差.
结论:
- 破坏神经成像数据可能会影响手动质量控制,影响下游分析.
- 像MRIQC这样的自动化工具对损坏的效果更加坚固.
- 对于可靠的神经成像数据共享和分析,需要仔细考虑破坏的影响.
