语义分割：如何评估噪声对医学图像分割的有效性和鲁棒性的影响？

Posted 2023-03-27

【中文标题】语义分割：如何评估噪声对医学图像分割的有效性和鲁棒性的影响？

【英文标题】：Semantic Segmentation: How to evaluate the noise influence of the effectivity and robustness of the medical image segmentation?

【发布时间】：2020-06-05 20:56:35

【问题描述】：

我已经对医学 3D MRI 进行了一些预处理，包括 N4 Bias 校正、噪声去除和缩放，我被问到一个问题：

如何评价噪声对医学图像分割的有效性和鲁棒性的影响？当各种噪声影响图像结构时，提取的特征会变差。应在方法的上下文中利用这种效果 对不同噪声强度的有效性。

如何评估噪声影响以及如何证明科学手稿中使用的噪声去除方法的合理性？

【问题讨论】：

你能添加一个示例图像吗？

【参考方案1】：

我不知道这是否有帮助，但我在课堂上做过一次核磁​​共振。 在这种情况下，我们使用带有 FFT 的 Shepp Logan Phantom。然后我们向图片添加噪声（通过添加具有高斯分布的随机数）。 当您将图像转换回幻像时，您可以看到噪声的影响，有时还可以看到伪影（主要是由于 FFT 算法和选择的窗口函数）。

我所做的是检查图像前后颜色的平均值，然后在 pahntom（头骨）的边缘，您可以看到从白色到黑色的通道清晰程度，反之亦然。

这可以使用 MATLAB 代码和模型轻松测试。当您获得所需的准确度后，您就可以将您选择的算法应用于真实图像。