論文の概要: Image quality assessment by overlapping task-specific and task-agnostic measures: application to prostate multiparametric MR images for cancer segmentation

• arxiv url: http://arxiv.org/abs/2202.09798v1
• Date: Sun, 20 Feb 2022 11:45:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-23 10:28:49.496079
• Title: Image quality assessment by overlapping task-specific and task-agnostic measures: application to prostate multiparametric MR images for cancer segmentation
• Title（参考訳）: タスク固有およびタスク非依存の重なりによる画像品質評価--前立腺癌領域におけるマルチパラメトリックmr画像への応用
• Authors: Shaheer U. Saeed, Wen Yan, Yunguan Fu, Francesco Giganti, Qianye Yang, Zachary M. C. Baum, Mirabela Rusu, Richard E. Fan, Geoffrey A. Sonn, Mark Emberton, Dean C. Barratt, Yipeng Hu
• Abstract要約: 医用画像における画像品質評価(IQA)は、下流の臨床的タスクを確実に行えるようにするために用いられる。 タスク固有のIQAが最近提案され、ターゲットタスク予測器と同時にイメージアメニビリティ予測コントローラを学習している。 本稿では,タスク固有のIQAアプローチの拡張として,自動エンコーディングを対象タスクとするタスク非依存IQAを提案する。
• 参考スコア（独自算出の注目度）: 0.6109833303919139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image quality assessment (IQA) in medical imaging can be used to ensure that downstream clinical tasks can be reliably performed. Quantifying the impact of an image on the specific target tasks, also named as task amenability, is needed. A task-specific IQA has recently been proposed to learn an image-amenability-predicting controller simultaneously with a target task predictor. This allows for the trained IQA controller to measure the impact an image has on the target task performance, when this task is performed using the predictor, e.g. segmentation and classification neural networks in modern clinical applications. In this work, we propose an extension to this task-specific IQA approach, by adding a task-agnostic IQA based on auto-encoding as the target task. Analysing the intersection between low-quality images, deemed by both the task-specific and task-agnostic IQA, may help to differentiate the underpinning factors that caused the poor target task performance. For example, common imaging artefacts may not adversely affect the target task, which would lead to a low task-agnostic quality and a high task-specific quality, whilst individual cases considered clinically challenging, which can not be improved by better imaging equipment or protocols, is likely to result in a high task-agnostic quality but a low task-specific quality. We first describe a flexible reward shaping strategy which allows for the adjustment of weighting between task-agnostic and task-specific quality scoring. Furthermore, we evaluate the proposed algorithm using a clinically challenging target task of prostate tumour segmentation on multiparametric magnetic resonance (mpMR) images, from 850 patients. The proposed reward shaping strategy, with appropriately weighted task-specific and task-agnostic qualities, successfully identified samples that need re-acquisition due to defected imaging process.
• Abstract（参考訳）: 医用画像における画像品質評価(IQA)は、下流の臨床的タスクを確実に行えるようにするために用いられる。 タスクアメニビリティ(Task Amenability)とも呼ばれる特定のタスクに対するイメージの影響を定量化する必要がある。 タスク固有のIQAが最近提案され、ターゲットタスク予測器と同時にイメージアメニビリティ予測コントローラを学習している。 これにより、トレーニングされたIQAコントローラは、現代の臨床応用におけるセグメンテーションや分類ニューラルネットワークなどの予測器を用いて、画像が目標タスクのパフォーマンスに与える影響を測定することができる。 本研究では,タスク固有のIQAアプローチの拡張として,自動エンコーディングを対象タスクとするタスク非依存IQAを提案する。 タスク特化とタスク非依存の両方で見なされる低品質なイメージ間の交差を分析することは、ターゲットとするタスクパフォーマンスの低下の原因となる要因を区別するのに役立ちます。 例えば、一般的なイメージングアーティファクトは、ターゲットのタスクに悪影響を与えないため、タスクに依存しない品質が低く、タスク固有の品質が高くなるが、より優れたイメージング機器やプロトコルでは改善できない、臨床的に難しいと思われる個々のケースは、タスクに依存しない品質で、タスク固有の品質が低下する可能性が高い。 まず,タスク非依存とタスク固有の品質スコアの重み付けの調整を可能にする,柔軟な報酬形成戦略について述べる。 さらに,850例のMRI画像を用いて,前立腺腫瘍の領域分割に関する臨床的に困難な課題を用いて,提案アルゴリズムの評価を行った。 与えられた報酬形成戦略は、適切に重み付けされたタスク固有性およびタスク非依存性を持ち、欠陥画像処理による再取得を必要とするサンプルの同定に成功した。

関連論文リスト

• AI-Generated Image Quality Assessment Based on Task-Specific Prompt and Multi-Granularity Similarity [62.00987205438436]
  本稿では,TSP-MGSというAIGIの品質評価手法を提案する。 タスク固有のプロンプトを設計し、AIGIとプロンプトの多粒度類似度を測定する。 一般的に使用されるAGIQA-1KとAGIQA-3Kベンチマークの実験は、提案されたTSP-MGSの優位性を示している。
  論文  参考訳（メタデータ） (2024-11-25T04:47:53Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• Unifying Image Processing as Visual Prompting Question Answering [62.84955983910612]
  画像処理はコンピュータビジョンの基本的な課題であり、画像の品質を高め、その後の視覚アプリケーションに不可欠な特徴を抽出することを目的としている。 伝統的に、タスク固有のモデルは個々のタスクのために開発され、そのようなモデルの設計には異なる専門知識が必要である。 本稿では,画像復元,画像強調,画像特徴抽出タスクを網羅する汎用画像処理モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-16T15:32:57Z)
• Blind Image Quality Assessment via Vision-Language Correspondence: A Multitask Learning Perspective [93.56647950778357]
  ブラインド画像品質評価(BIQA)は、参照情報なしで画像品質の人間の知覚を予測する。 我々は,他のタスクからの補助的知識を活用するために,BIQAのための汎用的かつ自動化されたマルチタスク学習手法を開発した。
  論文  参考訳（メタデータ） (2023-03-27T07:58:09Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• UNO-QA: An Unsupervised Anomaly-Aware Framework with Test-Time Clustering for OCTA Image Quality Assessment [4.901218498977952]
  光コヒーレンス・トモグラフィ・アンギオグラフィー(OCTA)画像品質評価のためのテスト時間クラスタリングを用いた教師なし異常認識フレームワークを提案する。 OCTA画像の品質を定量化するために,特徴埋め込みに基づく低品質表現モジュールを提案する。 我々は、訓練されたOCTA品質表現ネットワークによって抽出されたマルチスケール画像の特徴の次元削減とクラスタリングを行う。
  論文  参考訳（メタデータ） (2022-12-20T18:48:04Z)
• Image quality assessment for machine learning tasks using meta-reinforcement learning [2.192555579139084]
  我々は、画像品質評価(IQA)を、与えられた下流のタスクやタスクのアメニビリティに対するイメージのアメニティの尺度とみなす。 我々は、IQAコントローラを用いてタスクのアメニビリティを予測し、ニューラルネットワークによってパラメータ化され、タスク予測器と同時にトレーニングすることができる。 X線画像における超音波ガイド下前立腺介入と肺炎検出の2つの臨床応用を用いて,課題特異的で適応可能なIQAアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2022-03-27T09:42:26Z)
• Adaptable image quality assessment using meta-reinforcement learning of task amenability [2.499394199589254]
  現代のディープラーニングアルゴリズムは、主観的(人間に基づく)画像品質評価(IQA)に依存している タスクアメニビリティを予測するために、IQAエージェントは、同時に最適化されたタスク予測器を備えた強化学習(RL)を用いて訓練される。 本研究では、IQAエージェントとタスク予測器の両方の適応性を高めるために、転送学習または適応戦略を開発する。
  論文  参考訳（メタデータ） (2021-07-31T11:29:37Z)
• Learning image quality assessment by reinforcing task amenable data selection [0.3679364886448339]
  画像選択のための2つのニューラルネットワークと強化学習を用いた目標タスクを同時にトレーニングすることを提案する。 コントローラネットワークは、目標タスク性能に基づいて累積報酬を最大化し、画像選択ポリシーを学習する。 トレーニングされたコントローラは、ターゲットタスクの精度低下につながるこれらのイメージを拒否することができる。
  論文  参考訳（メタデータ） (2021-02-15T15:57:20Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)
• Object-QA: Towards High Reliable Object Quality Assessment [71.71188284059203]
  オブジェクト認識アプリケーションでは、オブジェクトイメージは通常、異なる品質レベルで表示される。 本稿では,オブジェクト画像の信頼性の高い品質スコアを評価するために,Object-QAという効果的手法を提案する。
  論文  参考訳（メタデータ） (2020-05-27T01:46:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。