A study on the adequacy of common IQA measures for medical images

要約

画質評価 (IQA) は、画像を操作する新しい機械学習アルゴリズムの開発段階における標準的な手法です。
最も一般的に使用されている IQA 尺度は、自然画像を対象として開発およびテストされていますが、医療現場では行われていません。
医療画像には自然画像とは異なる特性があるため、報告されている不一致は驚くべきことではありません。
この研究では、手動で評価した胸部 X 線 (専門家 5 名) および光音響画像データ (専門家 1 名) と評価を比較することにより、医用画像データに対する一般的な IQA 尺度の適用性をテストします。
さらに、グレースケールの自然画像と加速脳 MRI データに関する補足研究も含まれています。
すべての実験の結果は、医用画像に関する以前の発見と一致する同様の結果を示しています。デフォルト設定の PSNR と SSIM は結果リストの下位範囲にあり、HaarPSI は全体的なパフォーマンスにおいて他のテストされた測定値を上回っています。
また、当社の医療実験でトップパフォーマンスを示しているのは、完全な参照測定である DISTS、FSIM、LPIPS、および MS-SSIM です。
一般に、自然画像の結果はかなり高い相関関係を示しており、医用画像アルゴリズムに合わせた IQA 測定の追加採用が必要であることを示唆しています。

要約(オリジナル)

Image quality assessment (IQA) is standard practice in the development stage of novel machine learning algorithms that operate on images. The most commonly used IQA measures have been developed and tested for natural images, but not in the medical setting. Reported inconsistencies arising in medical images are not surprising, as they have different properties than natural images. In this study, we test the applicability of common IQA measures for medical image data by comparing their assessment to manually rated chest X-ray (5 experts) and photoacoustic image data (1 expert). Moreover, we include supplementary studies on grayscale natural images and accelerated brain MRI data. The results of all experiments show a similar outcome in line with previous findings for medical imaging: PSNR and SSIM in the default setting are in the lower range of the result list and HaarPSI outperforms the other tested measures in the overall performance. Also among the top performers in our medical experiments are the full reference measures DISTS, FSIM, LPIPS and MS-SSIM. Generally, the results on natural images yield considerably higher correlations, suggesting that the additional employment of tailored IQA measures for medical imaging algorithms is needed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google