論文の概要: A study on the adequacy of common IQA measures for medical images

• arxiv url: http://arxiv.org/abs/2405.19224v3
• Date: Sun, 06 Oct 2024 16:06:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-08 13:10:28.544122
• Title: A study on the adequacy of common IQA measures for medical images
• Title（参考訳）: 医療画像におけるIQA対策の妥当性の検討
• Authors: Anna Breger, Clemens Karner, Ian Selby, Janek Gröhl, Sören Dittmer, Edward Lilley, Judith Babar, Jake Beckford, Thomas R Else, Timothy J Sadler, Shahab Shahipasand, Arthikkaa Thavakumar, Michael Roberts, Carola-Bibiane Schönlieb,
• Abstract要約: 最も一般的に用いられているIQA測定法は、自然画像のために開発されたが、医療現場では行われていない。 本研究では,手動評価胸部X線(5名)と光音響画像(2名)と比較し,医療画像データに対する一般的なIQA測定の有効性を検証した。
• 参考スコア（独自算出の注目度）: 6.580928439802918
• License:
• Abstract: 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 (2 experts). 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 images: 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 FSIM, LPIPS and MS-SSIM. Generally, the results on natural images yield considerably higher correlations, suggesting that additional employment of tailored IQA measures for medical imaging algorithms is needed.
• Abstract（参考訳）: 画像品質評価(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実践である。 最も一般的に用いられているIQA測定法は、自然画像のために開発されたが、医療現場では行われていない。 医学画像に現れる不整合は、自然画像とは異なる性質を持つため、驚くべきことではない。 本研究では,手動評価胸部X線(5名)および光音響画像(2名)と比較し,医療画像データに対する一般的なIQA測定の有効性を検証した。 さらに、グレースケールの自然画像と加速脳MRIデータに関する補助的な研究も含んでいる。 全ての実験の結果は, 既定設定でのPSNRとSSIMは, 結果リストの低い範囲にあり, HaarPSIは, 総合評価において他の試験結果よりも優れていた。 医療実験では,FSIM,LPIPS,MS-SSIMのすべてを参照した。 一般に、自然画像の結果は相関関係がかなり高く、医用画像アルゴリズムに適合したIQA対策のさらなる活用が必要であることが示唆されている。

関連論文リスト

• Parameter choices in HaarPSI for IQA with medical images [6.133660772208096]
  光音響と胸部X線データセットの2つの注釈付き医療データセットのパラメータを最適化する。 本稿では,HaarPSI$_MED$により,医用画像のパフォーマンスを顕著に向上させる最適化設定を示す。 その結果, 一般的なIQA対策を医療画像に適応させることは, より具体的なタスクベース尺度の活用に価値ある, 一般化可能な付加効果をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2024-10-31T16:28:49Z)
• A study of why we need to reassess full reference image quality assessment with medical images [7.018256825895632]
  特に、FR-IQA測度PSNRとSSIMは、多くの自然画像処理に成功するために知られ、テストされている。 本稿では、2つの最も一般的なフルレファレンス(FR)画像品質尺度が、新しいアルゴリズムの評価に不適であることを証明した、構造化された総合的な例のコレクションを提供する。
  論文  参考訳（メタデータ） (2024-05-29T14:01:40Z)
• AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
  我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。 3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。 我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2024-04-01T10:08:23Z)
• BMAD: Benchmarks for Medical Anomaly Detection [51.22159321912891]
  異常検出(AD)は、機械学習とコンピュータビジョンの基本的な研究課題である。 医用画像では、ADはまれな疾患や病態を示す可能性のある異常の検出と診断に特に重要である。 医用画像の異常検出方法を評価するための総合評価ベンチマークを導入する。
  論文  参考訳（メタデータ） (2023-06-20T20:23:46Z)
• Comparing Results of Thermographic Images Based Diagnosis for Breast Diseases [0.0]
  乳房疾患の診断における赤外線画像の有用性について検討した。 我々はPROENG(Pro Engenharia)公開データベースから,lO2 IR単一乳房画像を用いた。 これらの画像は、UFPE(Universidade Federal de Pernambuco)病院から収集された。
  論文  参考訳（メタデータ） (2022-08-30T17:22:52Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• Confusing Image Quality Assessment: Towards Better Augmented Reality Experience [96.29124666702566]
  我々はAR技術を仮想シーンと実シーンの重ね合わせとみなし、視覚的混乱を基本的な理論として紹介する。 ConFusing Image Quality Assessment (CFIQA)データベースが構築され、600個の参照画像と300個の歪画像とをペアに混合して生成する。 また、難解な画像品質をよりよく評価するために、CFIQAと呼ばれる客観的な計量も提案されている。
  論文  参考訳（メタデータ） (2022-04-11T07:03:06Z)
• Image Quality Assessment for Magnetic Resonance Imaging [4.05136808278614]
  画像品質評価(IQA)アルゴリズムは、画像品質に対する人間の認識を再現することを目的としている。 我々は、MRIに関連する問題を解決するために訓練されたニューラルネットワークモデルの出力を使用する。 7人の訓練された放射線学者が歪んだ画像を評価し、その判断は35の異なる画像品質指標と相関した。
  論文  参考訳（メタデータ） (2022-03-15T11:52:29Z)
• Solving Inverse Problems in Medical Imaging with Score-Based Generative Models [87.48867245544106]
  CT(Computed Tomography)とMRI(Magnetic Resonance Imaging)における医用画像の再構成は重要な逆問題である 機械学習に基づく既存のソリューションは通常、測定結果を医療画像に直接マッピングするモデルを訓練する。 本稿では,最近導入されたスコアベース生成モデルを利用して,逆問題解決のための教師なし手法を提案する。
  論文  参考訳（メタデータ） (2021-11-15T05:41:12Z)
• Artifact- and content-specific quality assessment for MRI with image rulers [11.551528894727573]
  臨床では、MRI画像はスキャン後ずっと後に放射線科医によって最初に見られることが多い。 画像品質が不十分な場合、追加のスキャンのために戻らなければならないか、あるいは最適以下の解釈を下す必要がある。 キャリブレーションされたラベルで訓練し,画像定規で推測するマルチタスクCNNモデルを用いたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-06T02:17:12Z)
• Evaluation of Complexity Measures for Deep Learning Generalization in Medical Image Analysis [77.34726150561087]
  PAC-ベイズ平坦度とパスノルムに基づく測度は、モデルとデータの組み合わせについて最も一貫した説明をもたらす。 また,乳房画像に対するマルチタスク分類とセグメンテーションのアプローチについても検討した。
  論文  参考訳（メタデータ） (2021-03-04T20:58:22Z)

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。