Anatomical Similarity as a New Metric to Evaluate Brain Generative Models

要約

生成モデルは、データ増強、品質改善、およびまれな状態研究により、ニューロイメージングを強化します。
現実的な合成MRIの進歩にもかかわらず、評価はテクスチャーと知覚に焦点を当て、重要な解剖学的忠実度に対する感受性を欠いています。
この研究では、合成脳MRIの解剖学的リアリズムを評価するために、ワサビ（ワッサースタインベースの解剖学的脳指数）と呼ばれる新しいメトリックを提案しています。
Wasabi Leverages \ Textit {Synthseg}は、各MRIの脳領域の体積測定を導き出し、多変量ワッシュスタイン距離を使用して、実際の解剖学と合成解剖学の分布を比較します。
5つの生成モデルの2つの実際のデータセットと合成MRIでの制御された実験に基づいて、WASABIは、合成画像がほぼ完璧な視覚品質を達成した場合でも、従来の画像レベルのメトリックと比較して、解剖学的矛盾を定量化する際に高い感度を示しています。
私たちの調査結果は、目視検査や従来のメトリックを超えて評価パラダイムをシフトすることを提唱し、臨床的に意味のある脳MRI合成の重要なベンチマークとして解剖学的忠実度を強調しています。
私たちのコードは、https：//github.com/bahramjafrasteh/wasabi-mriで入手できます。

要約(オリジナル)

Generative models enhance neuroimaging through data augmentation, quality improvement, and rare condition studies. Despite advances in realistic synthetic MRIs, evaluations focus on texture and perception, lacking sensitivity to crucial anatomical fidelity. This study proposes a new metric, called WASABI (Wasserstein-Based Anatomical Brain Index), to assess the anatomical realism of synthetic brain MRIs. WASABI leverages \textit{SynthSeg}, a deep learning-based brain parcellation tool, to derive volumetric measures of brain regions in each MRI and uses the multivariate Wasserstein distance to compare distributions between real and synthetic anatomies. Based on controlled experiments on two real datasets and synthetic MRIs from five generative models, WASABI demonstrates higher sensitivity in quantifying anatomical discrepancies compared to traditional image-level metrics, even when synthetic images achieve near-perfect visual quality. Our findings advocate for shifting the evaluation paradigm beyond visual inspection and conventional metrics, emphasizing anatomical fidelity as a crucial benchmark for clinically meaningful brain MRI synthesis. Our code is available at https://github.com/BahramJafrasteh/wasabi-mri.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google