摘要
目的
准确的图像质量评估 (IQA) 对于在临床实践和计算机辅助诊断中评估肿瘤磁共振 (MR) 图像至关重要。然而，大多数现有的 IQA 模型是为自然图像设计的，并且需要参考图像进行训练。组织特征、病变位置和病变形态的差异，加上高质量 MR 参考图像的稀缺，使得肿瘤 MR 图像的质量评估特别具有挑战性。
方法
为了应对这些挑战，我们提出了一种名为 NR-MRC 的无参考磁共振曲线估计网络。首先，磁共振曲线估计模块使用非线性曲线映射来估计空间调整后的强度和细节特征，而不需要参考肿瘤 MR 图像。其次，多尺度特征估计模块提取不同尺度的上下文特征，并将其与初始估计融合以生成增强后的 MR 图像。最后，磁共振场景统计盲质量模型评估原始图像及其增强版本之间的特征一致性。
结果
在公开可用的脑肿瘤和膀胱癌数据集上的实验表明，NR-MRC 优于所比较的 IQA 和图像增强方法。在测试的 U-Net 和 DeepLab v3 设置中，使用具有高 NR-MRC 分数的图像或经 NR-MRC 增强的图像进行训练，使分割指标提高了约 20%。这些特定任务的增益本身并不能确立临床诊断图像质量的改善。
结论
NR-MRC 为肿瘤 MR 图像提供了无参考质量评估和增强，并在评估的下游分割任务中显示了潜在的实用性。
利益冲突
作者声明无利益冲突。
数据可用性声明
本研究分析了公开可用的数据集。脑肿瘤 MRI 数据可在 Figshare 上的脑肿瘤数据集中找到，网址为：https://doi.org/10.1371/journal.pone.0157112。膀胱癌 MRI 数据可在 Scientific Data 上的多中心膀胱癌 MRI 数据集中找到，网址为：https://doi.org/10.1038/s41597-024-03971-0。为本研究开发的代码可在合理请求下从通讯作者处获取。
