Similarity and Quality Metrics for MR Image-To-Image Translation

要約

画像から画像への翻訳は、画像を他のモダリティ、シーケンスタイプ、より高い解像度、または低いノイズレベルに合成的に変換できるため、医療画像に大きな影響を与える可能性があります。
患者の安全性を確保するために、これらの方法は人間の読者によって検証されるべきです。これにはかなりの時間とコストが必要です。
定量的メトリックは、そのような研究を効果的に補完し、合成画像の再現性と客観的な評価を提供できます。
参照が利用可能な場合、MR画像の類似性は、特定の歪みに関してこれらのメトリックが敏感ではない場合でも、SSIMおよびPSNRメトリックによって頻繁に評価されます。
比較する参照画像が利用できない場合、非参照品質メトリックは、ぼやけなどの特定の歪みを確実に検出できます。
歪み感度の概要を提供するために、合成画像を評価するための11の類似性（参照）および12の品質（非参照）メトリックを定量的に分析します。
さらに、下流のセグメンテーションタスクにメトリックを含めます。
11種類の歪みと典型的なMRアーティファクトに関する感度を調査し、各メトリックと歪みに対する異なる正規化方法の影響を分析します。
最後に、画像間翻訳モデルの評価のための分析された類似性と品質メトリックの効果的な使用に関する推奨事項を導き出します。

要約(オリジナル)

Image-to-image translation can create large impact in medical imaging, as images can be synthetically transformed to other modalities, sequence types, higher resolutions or lower noise levels. To ensure patient safety, these methods should be validated by human readers, which requires a considerable amount of time and costs. Quantitative metrics can effectively complement such studies and provide reproducible and objective assessment of synthetic images. If a reference is available, the similarity of MR images is frequently evaluated by SSIM and PSNR metrics, even though these metrics are not or too sensitive regarding specific distortions. When reference images to compare with are not available, non-reference quality metrics can reliably detect specific distortions, such as blurriness. To provide an overview on distortion sensitivity, we quantitatively analyze 11 similarity (reference) and 12 quality (non-reference) metrics for assessing synthetic images. We additionally include a metric on a downstream segmentation task. We investigate the sensitivity regarding 11 kinds of distortions and typical MR artifacts, and analyze the influence of different normalization methods on each metric and distortion. Finally, we derive recommendations for effective usage of the analyzed similarity and quality metrics for evaluation of image-to-image translation models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google