How Should We Evaluate Uncertainty in Accelerated MRI Reconstruction?

要約

加速MRIの再構築は、不適切な問題です。
機械学習は最近、このタスクに大きな期待を示していますが、不確実性を定量化するための現在のアプローチは、pixelwise強度の変動の変動性を測定することに焦点を当てています。
これらは解釈可能なマップを提供しますが、構造的理解がなく、その後のデータがどのように分析されるかと明確な関係がありません。
この論文では、一般的なダウンストリームタスクにより密接に関連する再構築の見かけの解剖学的変化に基づいて、再構成の変動を評価するための新しいアプローチを提案します。
画像の登録とセグメンテーションを使用して、いくつかの一般的なMRI再構成アプローチを評価します。ここで、アンサンミングを介して不確実性が測定され、加速されたイメージングが測定されます。
再構築された画像の本質的な変動性を示し、SSIMやPSNRなどの頻繁に使用される品質メトリックで高いスコアを持つモデルが、それにもかかわらず、解剖学的測定に高いレベルの分散とバイアスを表示できることを示しています。

要約(オリジナル)

Reconstructing accelerated MRI is an ill-posed problem. Machine learning has recently shown great promise at this task, but current approaches to quantifying uncertainty focus on measuring the variability in pixelwise intensity variation. Although these provide interpretable maps, they lack structural understanding and they do not have a clear relationship to how the data will be analysed subsequently. In this paper, we propose a new approach to evaluating reconstruction variability based on apparent anatomical changes in the reconstruction, which is more tightly related to common downstream tasks. We use image registration and segmentation to evaluate several common MRI reconstruction approaches, where uncertainty is measured via ensembling, for accelerated imaging. We demonstrate the intrinsic variability in reconstructed images and show that models with high scores on often used quality metrics such as SSIM and PSNR, can nonetheless display high levels of variance and bias in anatomical measures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google