[论文解读] Full-reference image quality assessment-based B-mode ultrasound image similarity measure

Kele Xu, Xi Liu+2 more|arXiv (Cornell University)|Jan 10, 2017

Image and Video Quality Assessment参考文献 12被引用 4

一句话总结

该论文提出了一种基于全参考图像质量评估（IQA）的相似性度量方法，用于B型超声图像，通过利用结构相似性指数提升运动追踪的鲁棒性。通过在超声肝脏序列追踪中集成一种通用的重新初始化框架，该方法在真实和合成数据上将特征点追踪误差从2 mm降低至约1.5 mm，证明了在噪声大、斑点噪声污染严重的环境下的更高精度。

ABSTRACT

During the last decades, the number of new full-reference image quality assessment algorithms has been increasing drastically. Yet, despite of the remarkable progress that has been made, the medical ultrasound image similarity measurement remains largely unsolved due to a high level of speckle noise contamination. Potential applications of the ultrasound image similarity measurement seem evident in several aspects. To name a few, ultrasound imaging quality assessment, abnormal function region detection, etc. In this paper, a comparative study was made on full-reference image quality assessment methods for ultrasound image visual structural similarity measure. Moreover, based on the image similarity index, a generic ultrasound motion tracking re-initialization framework is given in this work. The experiments are conducted on synthetic data and real-ultrasound liver data and the results demonstrate that, with proposed similarity-based tracking re-initialization, the mean error of landmarks tracking can be decreased from 2 mm to about 1.5 mm in the ultrasound liver sequence.

研究动机与目标

• 为解决B型超声图像中高斑点噪声带来的图像相似性度量困难问题。
• 评估并适配全参考图像质量评估方法，以适用于超声图像的结构相似性度量。
• 提出一种基于IQA相似性度量的通用重新初始化框架，用于超声运动追踪。
• 提升在噪声环境下超声肝脏序列中特征点追踪的准确性和鲁棒性。

提出的方法

• 作者采用全参考图像质量评估（IQA）度量方法，特别是结构相似性指数（SSIM），以量化超声图像之间的视觉相似性。
• 对多种IQA方法进行对比分析，以识别在高斑点噪声条件下最有效的相似性度量方法。
• 提出一种通用的重新初始化框架，利用基于IQA的相似性检测追踪失败，并在实时追踪流水线中触发重新初始化。
• 将该框架集成到基于粒子滤波的超声肝脏序列追踪系统中，以增强稳定性和准确性。
• 在合成数据和真实B型超声肝脏序列上进行实验，以验证该方法的有效性。

实验结果

研究问题

• RQ1 在高斑点噪声条件下，哪种全参考IQA方法能为B型超声图像提供最鲁棒的相似性度量？
• RQ2 如何有效利用基于IQA的相似性度量实现超声序列中运动追踪的重新初始化？
• RQ3 基于IQA的重新初始化在超声肝脏成像中能将特征点追踪误差降低到何种程度？
• RQ4 与基线追踪方法相比，该方法在合成和真实超声数据上的表现如何？

主要发现

• 所提出的基于IQA的相似性度量显著提升了在斑点噪声污染的超声图像中的追踪鲁棒性。
• 重新初始化框架将真实超声肝脏序列中特征点的平均追踪误差从2 mm降低至约1.5 mm。
• 该方法在合成和真实超声数据上均表现出一致的性能，验证了其泛化能力。
• 在高噪声条件下，基于SSIM的相似性度量优于其他IQA方法，能更有效地捕捉结构相似性。