CSOベースのディープニューラルネットワークを用いた医用画像品質評価

Medical Image Quality Assessment Using CSO Based Deep Neural Network.

• J Jayageetha
• C Vasanthanayaki

抄録

本論文では，医用画像の高精度，低計算量，柔軟性などを実現するために，ディープニューラルネットワーク(DNN)とカッコー探索最適化(CSO)のハイブリッド手法と無基準画像品質評価(NR-IQA)を提案した．NR-IQAは、リアルタイムの医用画像の品質を求めるための完全な参照画像が存在しないことから提案されています。NR-IQAは、実際の医用画像の品質を評価するための有効な手法である。提案手法では，歪んだ画像を入力とし，参照画像の助けを借りずに画像の品質を推定する．CSOとDNNにNR-IQAを組み合わせることで，高い品質スコアと低い平均二乗誤差(MSE)を持つ画像の品質を得ることができる．また，提案手法は，品質スコアを向上させることで画像の品質を向上させるために使用されます．また，提案手法を用いて品質スコアを改善することで画像の品質を向上させることができ，結果として得られる画像は良好な視覚特性を有しており，今後の医用画像の解析に有用なものとなる．シミュレーションの結果，提案手法は他の既存システムと比較して8%の品質スコアの向上が見られた．SROCC値は、NR-BIQA, SBVQP-ML, PTQL/PTVC, NR-SIQA (3D)のような既存の手法と比較して、それぞれ6%, 14%, 6%, 2%と向上することがわかった。

This manuscript proposed a hybrid method of Deep Neural Network (DNN) and Cuckoo Search Optimization (CSO) with No-Reference Image Quality Assessment (NR-IQA) for achieving high accuracy, low computational complexity, flexibility and etc. of a medical image. NR-IQA is proposed due to till now there is no perfect reference image for finding the quality of real time medical imaging. It is an effective method for assessing the real-world medical images. The proposed method takes the distorted image as an input and estimate the quality of the image without the assistance of reference image. The techniques CSO and DNN with NR-IQA produces the quality of the image with high quality score and low Mean Square Error (MSE). Also, the proposed method is used to improve the quality score thereby improving the quality of the image. So that the resultant image has good visual properties which is useful for the analysis of further medical proceedings. The simulation result shows that the proposed system improves the quality score by 8% when compared to the other existing systems. The SROCC value can be increased as 6%, 14%, 6 and 2% for the different existing methods such as NR-BIQA, SBVQP-ML, PTQL/PTVC and NR-SIQA (3D) respectively.