Deep-based quality assessment of medical images through domain adaptation

要約

マルチメディア コンテンツの品質の予測は、多くの場合、さまざまな分野で必要とされます。
一部のアプリケーションでは、品質指標が非常に重要であり、医療マルチメディアからの診断などの意思決定に影響を与える可能性があります。
この論文では、少量の注釈付きデータから参照することなく医用画像の品質を予測するための効率的で浅いモデルを提案することにより、そのようなアプリケーションに焦点を当てます。
私たちのモデルは、画像の関連するローカル特性から複雑な表現をモデル化することを目的とした畳み込み自己注意に基づいており、それ自体が画像上をスライドしてグローバル品質スコアを補間します。
また、教師なしおよび半教師ありの方法でドメイン適応学習を適用します。
提案されたモデルは、いくつかの画像とそれに対応する主観的スコアで構成されるデータセットを通じて評価されます。
得られた結果は、提案された方法の効率を示しただけでなく、知覚品質予測の下流タスクに関して、異なるマルチメディア ドメインにわたって一般化するためにドメイン適応を適用することの関連性も示しました。
\footnote{TIC-ARTプロジェクト、地域基金（Region Centre-Val de Loire）から資金提供}

要約(オリジナル)

Predicting the quality of multimedia content is often needed in different fields. In some applications, quality metrics are crucial with a high impact, and can affect decision making such as diagnosis from medical multimedia. In this paper, we focus on such applications by proposing an efficient and shallow model for predicting the quality of medical images without reference from a small amount of annotated data. Our model is based on convolution self-attention that aims to model complex representation from relevant local characteristics of images, which itself slide over the image to interpolate the global quality score. We also apply domain adaptation learning in unsupervised and semi-supervised manner. The proposed model is evaluated through a dataset composed of several images and their corresponding subjective scores. The obtained results showed the efficiency of the proposed method, but also, the relevance of the applying domain adaptation to generalize over different multimedia domains regarding the downstream task of perceptual quality prediction. \footnote{Funded by the TIC-ART project, Regional fund (Region Centre-Val de Loire)}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google