[논문 리뷰] Image Quality Assessment for Magnetic Resonance Imaging

Segrey Kastryulin, Jamil Zakirov외 2명|arXiv (Cornell University)|2022. 03. 15.

Advanced X-ray and CT Imaging인용 수 7

한 줄 요약

이 연구는 7名의 방사선과 전문의가 제공한 14,700개의 주관적 평가를 바탕으로, 자기공명영상(MRI)의 영상 품질 평가(IQA) 지표에 대해 가장 큰 규모로 평가한 것으로, 신호 대 잡음비(SNR), 대비 대 잡음비(CNR), 잡음 존재 여부 등의 핵심 MRI 품질 기준에서 방사선과 전문의의 인식과 일관되게 관련된 DISTS, HaarPSI, VSI, FID VGG16가 최고 성능을 보였다.

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.

연구 동기 및 목표

• 딥 러닝 모델에 의해 재구성된 MRI 영상의 35개의 영상 품질 지표가 방사선과 전문의의 MRI 품질 인식을 얼마나 잘 예측하는지 평가하기 위해.
• 자연 영상에 대해 설계된 기존의 IQA 지표가 MRI 영역, 즉 고유한 영상 특성과 진단 우선순위를 가진 분야로 일반화되는 정도를 평가하기 위해.
• 신호 대 잡음비(SNR), 대비 대 잡음비(CNR), 잡음 존재 여부 등의 임상적으로 관련된 MRI 품질 기준을 신뢰성 있게 반영하는 지표를 특정하기 위해.
• 자기 일관성 분석을 통해 방사선과 전문의의 레이블링 신뢰성을 검증하고, 평가자 간 일致도에 영향을 주는 요인을 평가하기 위해.
• 인간의 인식과 지표 예측 간 격차를 분석하여 향후 MRI 전용, 해석 가능한 IQA 지표 개발을 안내하기 위해.

제안 방법

• 딥 러닝 모델에 의해 재구성된 MRI 영상 14,700개의 주관적 품질 점수를 7명의 숙련된 방사선과 전문의가 다양한 해부학적 부위와 작업 유형에서 평가하였다.
• 35개의 IQA 지표를 평가: 13개의 전면 기반(FR), 12개의 비기반(NR), 10개의 분포 기반(DB) 지표 포함 (FID, DISTS, VSI, HaarPSI, BRISQUE, PaQ-2-PiQ, MetaIQA 포함).
• 짝지어진 영상 비교를 통해 방사선과 전문의의 인식을 평가하였으며, 주요 진단 품질 지표로 SNR, CNR, 잡음 수준을 중점적으로 다루었다.
• 방사선과 전문의 점수와 지표 예측 간 스피어만 순위 상관관계를 계산하여 다양한 해부학적 부위와 작업 유형에서 지표 성능을 순위 매겼다.
• 자기 일관성 연구를 위해 일부 영상 쌍을 재레이블링하여 평가자 간 신뢰도를 평가하고, 레이블링 시간이 일관성에 미치는 영향을 분석하였다.
• 도메인 이동 영향을 분석하기 위해 MRI 데이터셋과 자연 영상 데이터셋(TID2013, KADID-10k)에서의 지표 성능을 비교하여, 지표 간 성능의 차이를 규명하였다.

실험 결과

연구 질문

• RQ1 다양한 해부학적 부위와 재구성 작업에서 방사선과 전문의의 MRI 품질 인식과 가장 잘 관련된 영상 품질 평가 지표는 무엇인가?
• RQ2 자연 영상에 대해 설계된 IQA 지표가 영상 통계와 진단 우선순위의 도메인 이동이 있는 MRI에 적용되었을 때 성능은 어떠한가?
• RQ3 최신의 비기반 및 분포 기반 IQA 지표(FID, DISTS 등)가 SNR, CNR, 잡음 존재 여부와 같은 임상적으로 관련된 MRI 품질 기준을 얼마나 잘 반영하는가?
• RQ4 방사선과 전문의의 레이블링 일관성에 영향을 주는 요인은 무엇이며, 대규모 MRI IQA 평가에서 주관적 평가는 얼마나 신뢰할 수 있는가?
• RQ5 기존의 IQA 지표는 실세계 MRI 응용에서 모델 선택을 안내하는 데 신뢰할 수 있는가, 아니면 MRI 전용, 해석 가능한 지표 개발이 필요한가?

주요 결과

• DISTS, HaarPSI, VSI, FID VGG16가 모든 평가된 해부학적 부위와 작업에서 방사선과 전문의 평가와 강한 일관성을 보이며 최고 성능을 보였다.
• 이들 최고 성능 지표는 원래 자연 영상에서 학습된 후에도 MRI 데이터에서 높은 성능를 유지하여 도메인 이동에 대해 뛰어난 내성성을 보였다.
• 분포 기반 지표인 FID VGG16와 DISTS는 특히 SNR 및 CNR와 관련된 지각 품질을 잘 반영하여 전통적인 FR 및 NR 지표보다 MRI 전용 품질 평가에서 뛰어난 성능를 보였다.
• 자기 일관성 분석 결과, 방사선과 전문의 간 중간에서 높은 일致도(WKappa 점수)를 보였으며, 레이블링 시간과 일관성 간 유의미한 상관관계가 없어 전문가의 판단이 안정적임을 시사했다.
• BRISQUE, PaQ-2-PiQ, MetaIQA와 같은 지표는 MRI에서 낮은 성능를 보여 자연 영상 도메인에서의 일반화 능력이 제한됨을 시사했다.
• 본 연구는 중요한 격차를 드러내며, 단일 지표가 모든 임상적으로 관련된 MRI 품질 요소를 완전히 반영하지 못함을 보여주며, MRI 전용, 해석 가능한 IQA 모델 개발의 필요성을 강조한다.