Explainable Image Quality Assessments in Teledermatological Photography

要約

画質は、遠隔皮膚科コンサルテーションの効果と効率を左右する重要な要素です。
しかし、患者から送信された画像の最大 50% に品質の問題があるため、診断と治療にかかる時間が長くなります。
画像品質を評価するための自動化された、簡単に展開可能で説明可能な方法は、現在の遠隔皮膚科相談フローを改善するために必要です。
ImageQX は、画質評価のための畳み込みニューラル ネットワークであり、最も一般的な画質の低下の説明を特定するための学習メカニズムを備えています。
ImageQX は 26,635 枚の写真でトレーニングされ、9,874 枚の写真で検証されました。各写真には、最大 12 人の委員会認定皮膚科医による画質ラベルと画質の悪い説明が注釈付けされています。
写真画像は、世界中でアクセス可能なモバイル皮膚疾患追跡アプリケーションを使用して、2017 年から 2019 年の間に撮影されました。
私たちの方法は、画質評価と貧弱な画質説明の両方で専門家レベルのパフォーマンスを実現します。
画質評価の場合、ImageQX は 0.73 ± 0.01 のマクロ F1 スコアを取得します。これは、0.77 ± 0.07 のペアワイズ評価者間 F1 スコアの標準偏差内に配置されます。
画質の悪い説明については、私たちの方法は、0.24 ± 0.15 と 0.83 ± 0.06 の間の評価者間ペアワイズ F1 スコアと同様に、0.37 ± 0.01 と 0.70 ± 0.01 の間の F1 スコアを取得します。
さらに、サイズがわずか 15 MB であるため、ImageQX はモバイル デバイスに簡単に展開できます。
皮膚科医と同様の画質検出性能を持つ ImageQX を遠隔皮膚科フローに組み込むことで、より優れた、より迅速な遠隔診療フローを実現できます。

要約(オリジナル)

Image quality is a crucial factor in the effectiveness and efficiency of teledermatological consultations. However, up to 50% of images sent by patients have quality issues, thus increasing the time to diagnosis and treatment. An automated, easily deployable, explainable method for assessing image quality is necessary to improve the current teledermatological consultation flow. We introduce ImageQX, a convolutional neural network for image quality assessment with a learning mechanism for identifying the most common poor image quality explanations: bad framing, bad lighting, blur, low resolution, and distance issues. ImageQX was trained on 26,635 photographs and validated on 9,874 photographs, each annotated with image quality labels and poor image quality explanations by up to 12 board-certified dermatologists. The photographic images were taken between 2017 and 2019 using a mobile skin disease tracking application accessible worldwide. Our method achieves expert-level performance for both image quality assessment and poor image quality explanation. For image quality assessment, ImageQX obtains a macro F1-score of 0.73 +- 0.01, which places it within standard deviation of the pairwise inter-rater F1-score of 0.77 +- 0.07. For poor image quality explanations, our method obtains F1-scores of between 0.37 +- 0.01 and 0.70 +- 0.01, similar to the inter-rater pairwise F1-score of between 0.24 +- 0.15 and 0.83 +- 0.06. Moreover, with a size of only 15 MB, ImageQX is easily deployable on mobile devices. With an image quality detection performance similar to that of dermatologists, incorporating ImageQX into the teledermatology flow can enable a better, faster flow for remote consultations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google