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

要約

画像間の変換は、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、またはより低いノイズ レベルに合成的に変換できるため、医療画像処理に大きな影響を与える可能性があります。
患者の安全を確保するには、これらの方法を人間の読者が検証する必要があり、これにはかなりの時間とコストがかかります。
定量的指標はそのような研究を効果的に補完し、合成画像の再現可能で客観的な評価を提供します。
参照が利用可能な場合、MR 画像の類似性は、SSIM および PSNR メトリクスによって頻繁に評価されます。ただし、これらのメトリクスは特定の歪みに関して敏感でないか、感度が高すぎます。
比較する参照画像が利用できない場合は、非参照品質メトリクスを使用して、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) と 12 の品質 (非参照) の指標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 タスクに関するメトリクスも含めます。
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、さまざまな正規化手法が各メトリックと歪みに及ぼす影響を分析します。
最後に、画像間の変換モデルを評価するために、分析された類似性と品質の指標を効果的に使用するための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