論文の概要: CBCT-IQ: A Publicly Available Annotated Cone-Beam CT Dataset for Image Quality Assessment and Benchmarking
- arxiv url: http://arxiv.org/abs/2607.29253v1
- Date: Fri, 31 Jul 2026 10:24:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 16:35:22.227237
- Title: CBCT-IQ: A Publicly Available Annotated Cone-Beam CT Dataset for Image Quality Assessment and Benchmarking
- Title（参考訳）: CBCT-IQ:画像品質評価とベンチマークのための注釈付きコーンビームCTデータセット
- Abstract要約: 我々は1,764個の注釈付き画像スライスを含む最初のオープンアクセスCBCT IQAデータセットを提供する。
専門家のアノテーションに対する参照ベースのIQA尺度を26の基準でベンチマークし、調査的なIQA尺度に基づくランキングを導入する。
- 参考スコア（独自算出の注目度）: 13.49893413630687
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical image quality plays a critical role in diagnostic accuracy, especially in X-ray-based imaging modalities such as cone-beam computed tomography (CBCT), where image quality must be balanced against radiation dose. While expert visual evaluation remains the clinical standard for image quality evaluation, it is time-consuming, subjective and affected by inter-observer variability, emphasizing the need for reliable quantitative image quality assessment (IQA) methods. However, the development and validation of such IQA methods have been limited by the lack of publicly available CBCT datasets with expert image quality annotations. In this study, we provide the first open-access CBCT IQA dataset containing 1,764 annotated image slices acquired using systematic variations in image acquisition and reconstruction parameters. Three clinical experts graded the overall image quality and a predefined regions of interest (ROI) using a four-level scoring scheme. In addition, we benchmark 26 full reference- and no reference-based IQA measures against expert annotations and introduce an exploratory IQA measure-based ranking capable of distinguishing subtle image quality differences. This dataset introduced a standardized benchmark for future CBCT IQA research and provides a valuable resource for the development and validation of new IQA methods, enabling reproducible research and advancing CBCT IQA.
- Abstract（参考訳）: 医用画像の画質は診断精度において重要な役割を担っており、特にコーンビームCT(CBCT)のようなX線ベースの画像モダリティでは、画像の品質と放射線線量とのバランスを保たなければならない。
画像品質評価の専門的な視覚的評価は依然として臨床標準であるが、信頼性のある定量的画像品質評価(IQA)手法の必要性を強調し、時間的、主観的で、サーバ間変動の影響を受けている。
しかし、このようなIQA手法の開発と検証は、専門家による画像品質アノテーションを備えたCBCTデータセットが公開されていないために制限されてきた。
本研究では,1,764個の注釈付き画像スライスを含む最初のオープンアクセスCBCT IQAデータセットを提案する。
3名の臨床専門家が4段階のスコアリング手法を用いて画像の質と関心領域(ROI)を分類した。
さらに,26個の参照型と非参照型IQA尺度を専門家アノテーションに対してベンチマークし,微妙な画像品質差を識別できる探索型IQA尺度を導入した。
このデータセットは、将来のCBCT IQA研究のための標準化されたベンチマークを導入し、新しいIQA手法の開発と検証のための貴重なリソースを提供し、再現可能な研究とCBCT IQAの進歩を可能にした。
関連論文リスト
- FunPiQ: A New Benchmark for Pixel-Level Quality Assessment in Fundus Images [2.3155109250337182]
我々はFunPiQという,ピクセルレベルの品質アノテーションを提供する最初のFIQAベンチマークを紹介した。
我々は,非負の正負の学習を通してCNNを訓練するために,解剖学的視認性に基づく品質の擬似ラベルを用いた説明可能な設計(EBD)手法EFIQA-CPを提案する。
論文 参考訳（メタデータ） (2026-06-24T14:59:34Z) - CAP-IQA: Context-Aware Prompt-Guided CT Image Quality Assessment [4.6321193613229825]
文脈認識型プロンプト誘導画像品質評価フレームワークを提案する。
テキストレベルのプリエントとインスタンスレベルのコンテキストプロンプトを統合する。
因果的偏見を応用して、理想化された知識を、事実的、イメージ固有の劣化から切り離す。
論文 参考訳（メタデータ） (2026-01-04T17:30:45Z) - PhotIQA: A photoacoustic image data set with image quality ratings [7.753621023890248]
PhotIQAは、5つの品質特性の2人の専門家によって評価された1134個の再構成光音響画像からなるデータセットである。
ベースライン実験の結果,HaarPSI$_med$は品質評価と相関してSSIMを著しく上回っていることがわかった。
論文 参考訳（メタデータ） (2025-07-04T11:06:54Z) - CAS-IQA: Teaching Vision-Language Models for Synthetic Angiography Quality Assessment [11.527245046470123]
低品質の合成血管造影は、手続き的リスクを著しく増大させる。
本稿では,視覚言語モデル(VLM)に基づく細粒度品質スコア予測フレームワークであるCAS-IQAを提案する。
CAS-3Kデータセットの実験では、CAS-IQAは最先端のIQA法よりもかなり優れていた。
論文 参考訳（メタデータ） (2025-05-23T08:27:05Z) - Metrics that matter: Evaluating image quality metrics for medical image generation [48.85783422900129]
本研究は、脳MRIデータを用いて、一般的に使用される非参照画像品質指標を包括的に評価する。
本研究は, ノイズ, 分布変化, および臨床的に関係のある不正確さを模倣した形態的変化を含む, 様々な課題に対する計量感度を評価する。
論文 参考訳（メタデータ） (2025-05-12T01:57:25Z) - DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild [73.6767681305851]
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) - When No-Reference Image Quality Models Meet MAP Estimation in Diffusion Latents [92.45867913876691]
非参照画像品質評価(NR-IQA)モデルは、知覚された画像品質を効果的に定量化することができる。
NR-IQAモデルは、画像強調のための最大後部推定(MAP)フレームワークにプラグイン可能であることを示す。
論文 参考訳（メタデータ） (2024-03-11T03:35:41Z) - Less is More: Learning Reference Knowledge Using No-Reference Image
Quality Assessment [58.09173822651016]
No-Reference Image Quality Assessment 設定で参照知識を学習することは可能であると論じる。
非整列参照画像から比較知識を学習するための新しいフレームワークを提案する。
8つの標準NR-IQAデータセットの実験は、最先端のNR-IQA法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-12-01T13:56:01Z) - Blind Multimodal Quality Assessment: A Brief Survey and A Case Study of
Low-light Images [73.27643795557778]
ブラインド画像品質評価(BIQA)は、視覚信号の客観的スコアを自動的に正確に予測することを目的としている。
この分野での最近の発展は、ヒトの主観的評価パターンと矛盾しない一助的解によって支配されている。
主観的評価から客観的スコアへの低照度画像の一意なブラインドマルチモーダル品質評価(BMQA)を提案する。
論文 参考訳（メタデータ） (2023-03-18T09:04:55Z) - 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) - 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) - Learning Conditional Knowledge Distillation for Degraded-Reference Image
Quality Assessment [157.1292674649519]
劣化参照IQA(DR-IQA)という実用的な解を提案する。
DR-IQAはIRモデルの入力、劣化したイメージを参照として利用する。
私たちの結果は、フル参照設定のパフォーマンスに近いものもあります。
論文 参考訳（メタデータ） (2021-08-18T02:35:08Z) - Uncertainty-Aware Blind Image Quality Assessment in the Laboratory and
Wild [98.48284827503409]
我々は,テキスト化BIQAモデルを開発し,それを合成的および現実的歪みの両方で訓練するアプローチを提案する。
我々は、多数の画像ペアに対してBIQAのためのディープニューラルネットワークを最適化するために、忠実度損失を用いる。
6つのIQAデータベースの実験は、実験室と野生動物における画像品質を盲目的に評価する学習手法の可能性を示唆している。
論文 参考訳（メタデータ） (2020-05-28T13:35:23Z)
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。