PhotIQA-一套带有图像质量评分的光声成像数据集-计算机科学-图像质量评估-机器学习.pdfVIP

PhotIQA：一套带有图像质量评分的光声成

像数据集

AnnaBregerJanekGröhlClemensKarner

ThomasRElseIanSelbyJonathanWeir-McCall

Carola-BibianeSchönlieb

本

剑桥大学，应用数学与理论物理系，剑桥，英国

译维也纳医科大学，计算医学和生物工程中心，维也纳，奥地利

中剑桥大学，物理学系，剑桥，英国

癌症研究UK剑桥研究所，剑桥，英国

1ENI-G，哥廷根大学医学中心和马克斯普朗克多学科科学研究所的联合倡议，哥廷根，德国

v

8剑桥大学，放射学系，剑桥，英国

7剑桥大学医院，放射学系，剑桥，英国

4伦敦国王学院，生物医学工程与成像科学学院，伦敦，英国

3

0通讯作者。电子邮件：ab2864@cam.ac.uk

.

7

0

5

21摘要

:

v

i图像质量评估（IQA）在对图像操作的新算法的评估阶段至关重要，包

x

r括传统的和基于机器学习的方法。由于缺乏质量评级的医学图像，大多数常

a

用的依赖参考图像的IQA方法（即全参IQA）都是为自然图像开发并测试

的。当这些度量用于医学图像时出现的应用不一致性并不令人惊讶，因为它

们依赖于与自然图像不同的属性。在光声成像（PAI）中，特别是缺乏标准

基准方法来评估图像重建的质量。PAI是一种多物理成像方式，在此过程中

必须解决两个逆问题，这使得由于声学和光学伪影的原因应用IQA度量变

得独特地具有挑战性。

为了支持全参考和无参考图像质量评估方法的开发和测试，我们组装

了数据集光电图像质量评估，该数据集包含1134张重建的光声(PA)图

像，并由2位专家针对五个质量属性（总体质量、边缘可见性、均匀性、

包括物和背景强度）进行了评分，其中详细的评分使得其使用范围超越了

1

PAI。为了进行全参考评估，使用了高度特征化的成像测试对象，提供了

真实值。我们的基线实验表明，HaarPSI在与质量评分相关性方面显

med

著优于SSIM（SRCC:0.83vs.0.62）。该数据集公开获取地址为https:

///10.5281/zenodo

2背景

医学影像技术的进步在过去几十年中取得了突破性进展，包括深度学

习方法的快速发展，这些方法处理着大量的图像数据。

为了确保新方法的可行性，定量图像质量评估(IQA)除了专家目视检

查外，在质量