[論文レビュー] Image Quality Assessment for Magnetic Resonance Imaging

Segrey Kastryulin, Jamil Zakirov+2 more|arXiv (Cornell University)|Mar 15, 2022

Advanced X-ray and CT Imaging被引用数 7

ひとこと要約

本研究では、7名の放射線科医による14,700件の主観的評価を用いて、磁気共鳴画像法（MRI）の画像品質評価（IQA）指標について、過去最大規模の評価を実施した。DISTS、HaarPSI、VSI、FID VGG16が、信号対雑音比（SNR）、コントラスト対雑音比（CNR）、アーティファクトの有無といった主要なMRI品質基準において、放射線科医の知覚と一貫して相関するトップパフォーマンスを示した。

ABSTRACT

Image quality assessment (IQA) algorithms aim to reproduce the human's perception of the image quality. The growing popularity of image enhancement, generation, and recovery models instigated the development of many methods to assess their performance. However, most IQA solutions are designed to predict image quality in the general domain, with the applicability to specific areas, such as medical imaging, remaining questionable. Moreover, the selection of these IQA metrics for a specific task typically involves intentionally induced distortions, such as manually added noise or artificial blurring; yet, the chosen metrics are then used to judge the output of real-life computer vision models. In this work, we aspire to fill these gaps by carrying out the most extensive IQA evaluation study for Magnetic Resonance Imaging (MRI) to date (14,700 subjective scores). We use outputs of neural network models trained to solve problems relevant to MRI, including image reconstruction in the scan acceleration, motion correction, and denoising. Our emphasis is on reflecting the radiologist's perception of the reconstructed images, gauging the most diagnostically influential criteria for the quality of MRI scans: signal-to-noise ratio, contrast-to-noise ratio, and the presence of artifacts. Seven trained radiologists assess these distorted images, with their verdicts then correlated with 35 different image quality metrics (full-reference, no-reference, and distribution-based metrics considered). The top performers -- DISTS, HaarPSI, VSI, and FID-VGG16 -- are found to be efficient across three proposed quality criteria, for all considered anatomies and the target tasks.

研究の動機と目的

• 深層学習モデルによって再構成されたMRI画像の品質を予測する35種類の画像品質評価指標の性能を評価すること。
• 自然画像向けに設計された既存のIQA指標が、画像特性と診断的優先順位が顕著に異なるMRI分野へ一般化する程度を評価すること。
• 信号対雑音比（SNR）、コントラスト対雑音比（CNR）、アーティファクトの有無といった臨床的に重要なMRI品質基準を的確に反映する指標を同定すること。
• 自己一貫性分析による放射線科医のラベル付けの信頼性を検証し、評価者間の一貫性に影響を与える要因を評価すること。
• 人間の知覚と指標の予測の乖離を分析することで、今後のMRI特化型で解釈可能なIQA指標の開発を支援すること。

提案手法

• 深層学習モデルによる再構成画像を用いた、7名の経験豊富な放射線医によるペア比較評価から、14,700件の主観的品質スコアを収集した。
• 35種類のIQA指標を評価：13種類のフルレファレンス（FR）指標、12種類のノーレファレンス（NR）指標、10種類の分布ベース（DB）指標を含み、FID、DISTS、VSI、HaarPSI、BRISQUE、PaQ-2-PiQ、MetaIQAを含む。
• ペア画像比較を用いて放射線科医の知覚を評価し、SNR、CNR、アーティファクトレベルを主な診断的品質指標とした。
• 放射線科医のスコアと指標の予測との間でスピアマン順位相関を計算し、解剖領域およびタスクごとに指標のパフォーマンスを順位付けた。
• 自己一貫性研究として、一部の画像ペアを再ラベル付けし、評価者間の一貫性を評価し、ラベル付け時間の影響を分析した。
• ドメインシフトの影響を分析するため、MRIデータと自然画像データセット（TID2013、KADID-10k）における指標のパフォーマンスを比較し、指標ごとの耐性の差を明らかにした。

実験結果

リサーチクエスチョン

• RQ1 多様な解剖領域および再構成タスクにおいて、MRI品質に関する放射線科医の知覚と最も相関する画像品質評価指標は何か？
• RQ2 画像統計と診断的優先順位に顕著なドメインシフトを示すMRIに対して、自然画像向けに設計されたIQA指標は、どのように性能を示すか？
• RQ3 FIDやDISTSのような現代的なノーレファレンスおよび分布ベースのIQA指標は、SNR、CNR、アーティファクトの有無といった臨床的に重要なMRI品質基準をどの程度的確に反映しているか？
• RQ4 放射線科医のラベル付けの一貫性に影響を与える要因は何か？また、大規模なMRI分野のIQA評価において、主観的評価はどの程度信頼できるか？
• RQ5 既存のIQA指標は、実世界のMRI応用におけるモデル選定を信頼して行えるのだろうか？それとも、MRI特化型で解釈可能な指標の開発が不可欠なのか？

主な発見

• DISTS、HaarPSI、VSI、FID VGG16が、評価された全解剖領域およびタスクにおいて、放射線科医の評価と強く一貫した相関を示すトップパフォーマンスを発揮した。
• これらのトップ指標は、もともと自然画像で学習されたものの、MRIデータに対しても高い性能を維持しており、ドメインシフトに対して強い耐性を示した。
• FID VGG16 や DISTS といった分布ベースの指標が、SNR や CNR に関連する知覚的品質を捉える点で、従来の FR および NR 指標を上回った。
• 自己一貫性分析から、放射線科医間で中程度から高い一貫性（加重CohenのKappa値）が確認されたが、ラベル付け時間と一貫性の間に有意な相関は認められず、専門家の判断が安定していることが示された。
• BRISQUE や PaQ-2-PiQ、MetaIQA などの指標は、MRI分野で低いパフォーマンスを示し、自然画像ドメインからの一般化が限定的であることが判明した。
• 本研究は、臨床的に重要なMRI品質要因を完全に捉える指標が存在しないという重要なギャップを浮き彫りにした。これにより、MRI特化型で解釈可能なIQAモデルの開発が強く求められている。