Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images

要約

磁気共鳴脳画像のモーションアーティファクトは重要な問題です。
MR画質の評価は、臨床診断を進める前の基本です。
モーションアーティファクトが脳、病変、腫瘍などの構造と下部構造の正しい描写を変更する場合、患者を再スキャンする必要があります。
そうでなければ、神経放射線科医は不正確または不正確な診断を報告する可能性があります。
患者をスキャンした直後の最初のステップは、取得した画像が診断上許容できるかどうかを判断するための「\textit{画像品質評価}」です。
ここでは、残余ニューラルネットワークを介した構造類似性指数（SSIM）回帰に基づく自動化された画質評価が提案されており、SSIM範囲で細分化することにより、さまざまなグループでの分類も実行できます。
このメソッドは、参照グラウンドトゥルース画像がない場合の入力画像のSSIM値を予測します。
ネットワークはモーションアーティファクトを検出することができ、回帰および分類タスクの最高のパフォーマンスは、コントラスト増強を備えたResNet-18で常に達成されてきました。
残差の分布の平均と標準偏差は、それぞれ$ \ mu =-0.0009$と$\sigma =0.0139$でした。
3、5、および10クラスの分類タスクでは、最高の精度はそれぞれ97、95、および89 \％でした。
得られた結果は、提案された方法が、診断前に画質を評価する際に神経放射線科医および放射線技師を支援するためのツールとなり得ることを示している。

要約(オリジナル)

Motion artefacts in magnetic resonance brain images are a crucial issue. The assessment of MR image quality is fundamental before proceeding with the clinical diagnosis. If the motion artefacts alter a correct delineation of structure and substructures of the brain, lesions, tumours and so on, the patients need to be re-scanned. Otherwise, neuro-radiologists could report an inaccurate or incorrect diagnosis. The first step right after scanning a patient is the ‘\textit{image quality assessment}’ in order to decide if the acquired images are diagnostically acceptable. An automated image quality assessment based on the structural similarity index (SSIM) regression through a residual neural network has been proposed here, with the possibility to perform also the classification in different groups – by subdividing with SSIM ranges. This method predicts SSIM values of an input image in the absence of a reference ground truth image. The networks were able to detect motion artefacts, and the best performance for the regression and classification task has always been achieved with ResNet-18 with contrast augmentation. Mean and standard deviation of residuals’ distribution were $\mu=-0.0009$ and $\sigma=0.0139$, respectively. Whilst for the classification task in 3, 5 and 10 classes, the best accuracies were 97, 95 and 89\%, respectively. The obtained results show that the proposed method could be a tool in supporting neuro-radiologists and radiographers in evaluating the image quality before the diagnosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google