医疗图像质量评估中HaarPSI参数选择研究
本文综述了传统图像信号和新兴信号(包括高动态范围(HDR)和 3-D 图像)的质量评估方法,提供了主观和客观图像质量评估的分类和综述,并评估了9种常用的质量评估指标在四个主观质量数据集上的表现和计算时间。本文还简要介绍了3-D图像质量评估,并综述了与该领域相关的问题。
Jun, 2014
本论文介绍了基于Haar小波分解的感知相似性指数(HaarPSI),是一种有效且计算简单的全参考图像质量评估方法,其与人类主观感受的一致性得到了验证,并在大量数据集上获得了较高的相关性。
Jul, 2016
本文旨在探讨开放式医疗数据集的质量控制问题,通过对ChestXray14和MURA两个数据集的视觉比对,发现标签的准确性存在问题,该研究建议公开数据集制作者应当进行质量控制并提供详细的数据生成过程及标注规则描述。
Jul, 2019
综合机器学习医疗模型在临床实践中的应用仍然不理想,缺乏证据证明其可靠性进而限制了其广泛应用。本文综述了用于各种医学图像任务中开发的机器学习模型的不确定性量化方法,包括概率和非概率方法,以全面调研与不确定性量化相关的研究。该综述对医学图像的分析和医学应用以及相应的不确定性评估协议进行了讨论,并强调了未来的研究方向。整体上,本综述旨在帮助临床和技术领域的研究人员快速而深入地了解医学图像分析机器学习模型中的不确定性量化研究。
Oct, 2023
通过引入多尺度分布回归方法、设计双分支对齐网络以及半监督学习,我们提出的方法在深度学习为基础的医学图像质量评估方面取得了显著的进展。
Nov, 2023
在医学成像中,本研究以 IQAGPT 为例,结合了图像质量说明的 VLM 和 ChatGPT,利用大型语言模型实现图像质量评估和生成文本报告。结果表明 IQAGPT 在图像质量评估方面表现优异,超过了 GPT-4、CLIP-IQA 和仅依赖图像的多任务分类和回归模型。
Dec, 2023
图像质量评估(IQA)不仅在临床实践中确保高标准的不可或缺,而且在基于医学图像的新算法开发阶段也是必须的。本文提供了一个有结构且全面的示例集,其中两种最常见的全参考(FR)图像质量评估方法无法用于评估使用不同类型医学图像(包括真实世界的MRI、CT、OCT、X射线、数字病理学和光声成像数据)的新算法。需要紧急改进,以增加医学图像及其它领域机器学习的可解释性、可重复性和泛化性。除了这些障碍,我们还将提供未来研究的思路,并建议在医学图像中使用FR-IQA方法的指导方针。
May, 2024
提出了一种新的多模态融合框架,通过引入模态域注意力(MDA)实现对每种模态权重的自适应调整,旨在促进多模态信息的融合,同时允许包含缺失的模态或本质噪声,从而增强多模态数据的表示。通过观察模态融合过程,提供了准确性变化和MDA权重的可视化,对其可解释性进行了全面分析。在各种胃肠疾病基准测试上进行了广泛实验证明,所提出的MDA即使存在缺失的模态和本质噪声时也能保持高准确性。
Jun, 2024
我们介绍了一种新的图像质量评估(IQA)数据集,包括6073个高分辨率的UHD-1(4K)图像,以3840像素为固定宽度进行注释。与现有的非参考(NR)IQA数据集相反,我们的数据集侧重于高度美学且高技术质量的照片,填补了文献中的空白。该数据集通过众包研究获得感知质量评级。经过数天的多个评估者的多次评估,我们得到了高度可靠的标签。我们的数据集具有独特的特点,如注重高质量图像、可靠的众包注释和高分辨率注释,为推进感知图像质量评估研究和开发适用于现代照片的实用非参考IQA模型提供了新的机会。
Jun, 2024