論文の概要: Parameter choices in HaarPSI for IQA with medical images

• arxiv url: http://arxiv.org/abs/2410.24098v1
• Date: Thu, 31 Oct 2024 16:28:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:00:37.065077
• Title: Parameter choices in HaarPSI for IQA with medical images
• Title（参考訳）: 医療画像を用いたIQAにおけるHaarPSIのパラメータ選択
• Authors: Clemens Karner, Janek Gröhl, Ian Selby, Judith Babar, Jake Beckford, Thomas R Else, Timothy J Sadler, Shahab Shahipasand, Arthikkaa Thavakumar, Michael Roberts, James H. F. Rudd, Carola-Bibiane Schönlieb, Jonathan R Weir-McCall, Anna Breger,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.133660772208096
• License:
• Abstract: When developing machine learning models, image quality assessment (IQA) measures are a crucial component for evaluation. However, commonly used IQA measures have been primarily developed and optimized for natural images. In many specialized settings, such as medical images, this poses an often-overlooked problem regarding suitability. In previous studies, the IQA measure HaarPSI showed promising behavior for natural and medical images. HaarPSI is based on Haar wavelet representations and the framework allows optimization of two parameters. So far, these parameters have been aligned for natural images. Here, we optimize these parameters for two annotated medical data sets, a photoacoustic and a chest X-Ray data set. We observe that they are more sensitive to the parameter choices than the employed natural images, and on the other hand both medical data sets lead to similar parameter values when optimized. We denote the optimized setting, which improves the performance for the medical images notably, by HaarPSI$_{MED}$. The results suggest that adapting common IQA measures within their frameworks for medical images can provide a valuable, generalizable addition to the employment of more specific task-based measures.
• Abstract（参考訳）: 機械学習モデルを開発する際には、画像品質評価(IQA)尺度が重要な要素である。 しかし、よく使われるIQA測度は主に自然画像向けに開発され、最適化されている。 医用画像などの多くの特殊設定において、これは適合性に関してしばしば見過ごされる問題を引き起こす。 以前の研究では、IQA測度HaarPSIは、自然と医療の画像に対して有望な振る舞いを示した。 HaarPSIはHaarウェーブレット表現に基づいており、このフレームワークは2つのパラメータを最適化することができる。 これまでのところ、これらのパラメータは自然画像に一致している。 ここでは、これらのパラメータを2つのアノテートされた医療データセット、光音響データセットと胸部X線データセットに最適化する。 本研究は, 自然画像よりもパラメータ選択に敏感であることが確認された。一方, 両医療データセットは, 最適化時に類似したパラメータ値を導出する。 本稿では,HaarPSI$_{MED}$により,医用画像のパフォーマンスを著しく向上させる最適化された設定を示す。 その結果, 一般的なIQA尺度を医療画像の枠組み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があり, 一般化可能な追加となる可能性が示唆された。

関連論文リスト

• Image-GS: Content-Adaptive Image Representation via 2D Gaussians [55.15950594752051]
  本稿では,コンテンツ適応型画像表現であるImage-GSを提案する。 異方性2Dガウスアンをベースとして、Image-GSは高いメモリ効率を示し、高速なランダムアクセスをサポートし、自然なレベルのディテールスタックを提供する。 画像-GSの一般的な効率性と忠実性は、最近のニューラルイメージ表現と業界標準テクスチャ圧縮機に対して検証される。 この研究は、機械認識、アセットストリーミング、コンテンツ生成など、適応的な品質とリソース制御を必要とする新しいアプリケーションを開発するための洞察を与えてくれることを願っている。
  論文  参考訳（メタデータ） (2024-07-02T00:45:21Z)
• DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [54.139923409101044]
  野生のブラインド画像品質評価(IQA)は重大な課題を呈している。 大規模なトレーニングデータの収集が困難であることを考えると、厳密な一般化モデルを開発するために限られたデータを活用することは、未解決の問題である。 事前訓練されたテキスト・ツー・イメージ(T2I)拡散モデルの堅牢な画像認識能力により,新しいIQA法,拡散先行に基づくIQAを提案する。
  論文  参考訳（メタデータ） (2024-05-30T12:32:35Z)
• A study on the adequacy of common IQA measures for medical images [6.580928439802918]
  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。
  論文  参考訳（メタデータ） (2024-05-29T16:04:03Z)
• 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)
• HyperPredict: Estimating Hyperparameter Effects for Instance-Specific Regularization in Deformable Image Registration [2.2252684361733293]
  医用画像登録法は、画像類似度メトリックを最大化することにより、画像のペア/グループを整列する幾何学変換を推定する。 正規化用語は、意味のある登録結果を得るために不可欠である。 本稿では,ハイパーパラメータの影響を評価し,与えられた画像対に対して最適な値を選択する方法を提案する。
  論文  参考訳（メタデータ） (2024-03-04T14:17:30Z)
• Reverse Engineering Breast MRIs: Predicting Acquisition Parameters Directly from Images [1.256413718364189]
  本稿では,MR画像生成に使用する複雑なIAPを,画像のみを用いて高精度に予測するニューラルネットワークモデルを提案する。 コントラストエージェントタイプのような難しいパラメータでさえ、精度良く予測できる。
  論文  参考訳（メタデータ） (2023-03-08T22:02:15Z)
• Controllable Image Enhancement [66.18525728881711]
  いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。 エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
  論文  参考訳（メタデータ） (2022-06-16T23:54:53Z)
• 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)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• Rethinking the Hyperparameters for Fine-tuning [78.15505286781293]
  事前訓練されたImageNetモデルからの微調整は、様々なコンピュータビジョンタスクのデファクトスタンダードとなっている。 ファインチューニングの現在のプラクティスは、通常、ハイパーパラメータのアドホックな選択を選択することである。 本稿では、微調整のためのハイパーパラメータの設定に関するいくつかの一般的なプラクティスを再検討する。
  論文  参考訳（メタデータ） (2020-02-19T18:59:52Z)

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。