Medical Image Quality Assessment based on Probability of Necessity and Sufficiency

要約

医用画像品質評価 (MIQA) は、信頼性の高い医用画像分析に不可欠です。
ディープラーニングはこの分野で有望であることが示されていますが、現在のモデルはデータから学習した偽の相関によって誤解される可能性があり、配布外 (OOD) シナリオに苦戦する可能性があります。
そのために、私たちは因果推論の概念である必要性と十分性の確率 (PNS) に基づいた MIQA フレームワークを提案します。
PNS は、一連の特徴が特定の結果に対して必要 (結果に対して常に存在する) である可能性と十分である (結果を保証できる) 可能性の両方を測定します。
私たちのアプローチは、品質予測のために高い PNS 値を持つ医療画像から隠された特徴を学習することによってこの概念を活用します。
これにより、モデルがより重要な予測情報を取得することが促進され、OOD シナリオに対する堅牢性が強化されます。
MIQA タスクの前眼部光コヒーレンス断層撮影 (AS-OCT) データセットに関するフレームワークを評価し、実験結果によりフレームワークの有効性が実証されました。

要約(オリジナル)

Medical image quality assessment (MIQA) is essential for reliable medical image analysis. While deep learning has shown promise in this field, current models could be misled by spurious correlations learned from data and struggle with out-of-distribution (OOD) scenarios. To that end, we propose an MIQA framework based on a concept from causal inference: Probability of Necessity and Sufficiency (PNS). PNS measures how likely a set of features is to be both necessary (always present for an outcome) and sufficient (capable of guaranteeing an outcome) for a particular result. Our approach leverages this concept by learning hidden features from medical images with high PNS values for quality prediction. This encourages models to capture more essential predictive information, enhancing their robustness to OOD scenarios. We evaluate our framework on an Anterior Segment Optical Coherence Tomography (AS-OCT) dataset for the MIQA task and experimental results demonstrate the effectiveness of our framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google