Parameter choices in HaarPSI for IQA with medical images

要約

機械学習モデルを開発する場合、画像品質評価（IQA）測定は、取得した出力画像の評価に重要なコンポーネントです。
ただし、一般的に使用されるフルレファレンスIQA（FR-IQA）測定は主に開発され、自然画像用に最適化されています。
医療画像などの多くの専門的な設定では、これは適切性に関する見落とされがちな問題をもたらします。
以前の研究では、FR-IQA測定Haarpsiは、一般化可能性に関する有望な行動を示しました。
測定値はHaarウェーブレット表現に基づいており、フレームワークは2つのパラメーターを最適化できます。
これまでのところ、これらのパラメーターは自然画像に対して整合されています。
ここでは、IQAの専門家評価を備えた2つの医療画像データセット、光音響データセットと胸部X線データセットのこれらのパラメーターを最適化します。
自然画像データとは異なる同様のパラメーター値につながり、パラメーターの変更により敏感であることがわかります。
新しい最適化された設定をHaarpsi $ _ {Med} $として示します。これにより、採用された医療画像のパフォーマンスが大幅に向上します（P <0.05）。 さらに、Haarpsi $ _ {Med} $の一般化可能性を示す独立したCTテストデータセットと、改善を定性的に実証する視覚的な例を含めます。 この結果は、医療画像のフレームワーク内に一般的なIQA測定を適応させることで、より具体的なタスクベースの測定値の採用に貴重で一般化可能な追加を提供できることを示唆しています。

要約(オリジナル)

When developing machine learning models, image quality assessment (IQA) measures are a crucial component for the evaluation of obtained output images. However, commonly used full-reference IQA (FR-IQA) measures have been primarily developed and optimized for natural images. In many specialized settings, such as medical images, this poses an often overlooked problem regarding suitability. In previous studies, the FR-IQA measure HaarPSI showed promising behavior regarding generalizability. The measure is based on Haar wavelet representations and the framework allows optimization of two parameters. So far, these parameters have been aligned for natural images. Here, we optimize these parameters for two medical image data sets, a photoacoustic and a chest X-ray data set, with IQA expert ratings. We observe that they lead to similar parameter values, different to the natural image data, and are more sensitive to parameter changes. We denote the novel optimized setting as HaarPSI$_{MED}$, which improves the performance of the employed medical images significantly (p<0.05). Additionally, we include an independent CT test data set that illustrates the generalizability of HaarPSI$_{MED}$, as well as visual examples that qualitatively demonstrate the improvement. The results suggest that adapting common IQA measures within their frameworks for medical images can provide a valuable, generalizable addition to employment of more specific task-based measures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google