CMMIQA:一个快速驱动的跨模态多器官医学图像质量评估模型

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 图像质量评估 图像质量评估

背景情况:

• 三维 (3D) 医学成像对于临床诊断至关重要.
• 图像质量对于准确的诊断和优化成像设备至关重要.
• 评估医疗图像质量是研究的一个重要领域.

研究的目的:

• 开发一种全面的方法来评估不同模式和器官的医疗图像质量.
• 创建一个强大的数据库,用于培训和评估图像质量评估模型.
• 提出一种能够预测3D医学图像质量的新型模型.

主要方法:

• 使用真实CT和MRI数据创建了第一个3D跨模式多器官医学图像质量评估数据库 (CMMIQA-DB).
• 开发了一种跨模式多器官医学图像质量评估模型,采用混合卷积 (Hybrid-conv) 网络和意识提示.
• 利用Hybrid-conv网络从多种医疗图像模式中提取特征,并使用质量回归与有意识提示进行得分预测.

主要成果:

• 在CMMIQA-DB.上实现了0.7476的斯皮尔曼等级相关系数 (SRCC),0.7153的皮尔森线性相关系数 (PLCC) 和0.3345的根平均平方误差 (RMSE).
• 在手动标记的2D数据集上获得了0.8618的SRCC,0.8705的PLCC和0.1589的RMSE.
• 与现有的无参考图像质量评估 (IQA) 方法和医疗IQA模型相比,表现优越.

结论:

• 拟议的模型为无参考医学图像质量评估提供了一种优越的方法.
• 该模型展示了多功能性,可以转移到其他2D和3D医疗图像数据集.
• 这项工作为更准确,更可靠的医学图像质量评估提供了基础.