近日，深圳大學(xué)醫(yī)學(xué)部岳廣輝副教授在醫(yī)學(xué)圖像處理領(lǐng)域頂級(jí)期刊IEEE Transactions on Medical Imaging (TOP期刊,中科院一區(qū)，IF=8.9)上發(fā)表題為“Pyramid Network with Quality-Aware Contrastive Loss for Retinal Image Quality Assessment”的學(xué)術(shù)論文。青年教師岳廣輝副教授擔(dān)任第一作者，研究生張紹萍為第二作者。深圳大學(xué)為第一作者單位和通訊單位。

視網(wǎng)膜照相因其無創(chuàng)性、低成本和信息豐富而廣泛應(yīng)用于視網(wǎng)膜疾病的篩查和診斷。然而，在成像過程中由于內(nèi)部和外部因素通常會(huì)導(dǎo)致視網(wǎng)膜圖像質(zhì)量的衰退，例如不均勻光照和低對(duì)比度等失真。低質(zhì)量的視網(wǎng)膜圖像無法為臨床的精確診斷提供保障，增加漏診和誤診的風(fēng)險(xiǎn)。因此，為了確保診斷的準(zhǔn)確性，在使用圖像之前對(duì)其進(jìn)行質(zhì)量評(píng)估是很有必要的。

目前基于深度學(xué)習(xí)的方法通常將圖像分為“好”、“可用”和“差”三個(gè)級(jí)別，而三級(jí)別的分類忽略了更詳細(xì)質(zhì)量分?jǐn)?shù)帶來的定量反饋?？紤]到定量評(píng)估任務(wù)相關(guān)數(shù)據(jù)集的匱乏，本研究首先構(gòu)建了一個(gè)包含2300張真實(shí)失真的視網(wǎng)膜圖像數(shù)據(jù)集，每張圖像都通過主觀實(shí)驗(yàn)用數(shù)字質(zhì)量分?jǐn)?shù)進(jìn)行了注釋。隨后，本研究提出了一個(gè)統(tǒng)一的視網(wǎng)膜圖像質(zhì)量評(píng)價(jià)（RIQA）框架—QAC-Net，能夠定性和定量地評(píng)估視網(wǎng)膜圖像的質(zhì)量。為了提高預(yù)測精度，一方面，QAC-Net采用金字塔網(wǎng)絡(luò)結(jié)構(gòu)，同時(shí)輸入縮放后的圖像，學(xué)習(xí)不同尺度下的質(zhì)量感知特征，并通過一致性損失來提純特征表示；另一方面，為了增強(qiáng)特征表示，QAC-Net利用了一種考慮不同圖像之間質(zhì)量關(guān)系的質(zhì)量感知對(duì)比（QAC）損失，以進(jìn)一步提取判別特征。在公共的和構(gòu)建的數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，QAC-Net可以準(zhǔn)確預(yù)測圖像的質(zhì)量，并優(yōu)于主流評(píng)價(jià)算法。

QAC-Net的網(wǎng)絡(luò)框架

上述研究依托于廣東省生物醫(yī)學(xué)信息檢測與超聲成像重點(diǎn)實(shí)驗(yàn)室和醫(yī)學(xué)超聲關(guān)鍵技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室開展，并得到國家自然科學(xué)基金項(xiàng)目、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金項(xiàng)目、深圳大學(xué)醫(yī)工交叉項(xiàng)目的資助。

原文鏈接：https://ieeexplore.ieee.org/document/10756750