Napovedovanje kakovosti sinteze medicinskih slik z metrikami kakovostiŽagar, Jan (Avtor) Bizjak, Žiga (Mentor) Špiclin, Žiga (Komentor) sinteza medicinskih slikvrednotenje kakovosti slikIQA metrikevizualna ocenaLikertova lestvicadifuzijski modeliSynDiffansambelska regresijaAuto-Sklearnrazlagljivo strojno učenjeSHAPmagisterijiZanesljivo vrednotenje kakovosti sintetičnih medicinskih slik ostaja ena ključnih nerešenih ovir pri varnem uvajanju generativnih modelov v klinično prakso. Generativni modeli za sintezo medicinskih slik so v zadnjih letih dosegli impresivno raven vizualne kakovosti in se uveljavljajo v aplikacijah, kot so adaptivna radioterapija, načrtovanje zdravljenja in dopolnjevanje nepopolnih slikovnih protokolov. V teh scenarijih sintetične slike niso več zgolj vizualna podpora zdravniku, temveč vse pogosteje neposreden vhod v nadaljnje diagnostične in terapevtske postopke – od dozimetričnih izračunov do segmentacije organov tveganja. Neopažene generativne napake, kot so halucinacije anatomskih struktur, napačno postavljeni kostni robovi ali nerealistične teksture, imajo v takih primerih neposredne posledice za varnost pacienta. Klasične metrike kakovosti slik (angl. image quality assessment, IQA), kot sta PSNR in SSIM, so bile razvite pretežno za naravne slike in pogosto ne odražajo zaznavne kakovosti, ki je relevantna za klinično rabo; študije so večkrat pokazale, da te metrike ne korelirajo dobro z ocenami strokovnjakov, zlasti pri sintetičnih medicinskih slikah z zahtevnimi kombinacijami artefaktov. Vizualna ocena izkušenih strokovnjakov sicer ostaja zlati standard, a je za sistematično uporabo predraga, zamudna in slabo ponovljiva. Opisana vrzel motivira razvoj avtomatiziranih, preglednih in razlagljivih metod vrednotenja, ki bi v zadovoljivi meri nadomestile vizualno presojo strokovnjaka. V tem delu je predstavljen okvir avtomatiziranega napovedovanja vizualne ocene kakovosti sintetičnih medicinskih slik iz nabora objektivnih IQA metrik z ansambelskimi regresijskimi modeli, naučenimi na konsenznih ocenah strokovnjakov. Sintetične slike so bile pridobljene z nasprotniškim difuzijskim modelom SynDiff [1], ki združuje prednosti generativnih nasprotniških mrež (angl. generative adversarial networks, GAN) in difuzijskih verjetnostnih modelov (angl. denoising diffusion probabilistic models, DDPM) ter deluje na neparnih podatkih brez zahteve po poravnanih parih slik. Eksperimenti so bili izvedeni na štirih nalogah pretvorbe med modalitetami – T1 → T2 in T2 → T1 na zbirki BraTS2020, CBCT → CT na zbirki SynthRAD2023 in FLAIR → DIR na zasebni MR zbirki bolnikov z multiplo sklerozo – skupno na N = 287 preiskovancih, s čimer je bila zagotovljena raznolikost anatomij, modalitet in tipičnih artefaktov. Za zbiranje referenčnih vizualnih ocen je bila razvita namenska spletna aplikacija za slepo in standardizirano ocenjevanje volumetričnih slikovnih parov po šeststopenjski Likertovi lestvici. Trinajst šolanih ocenjevalcev je z njo po naključno razporejenem protokolu ocenilo kakovost vseh sintetiziranih volumnov; vsaka ocena je bila utemeljena s pisnim komentarjem in lokalizirano anotacijo zaznane napake na sliki. Iz zbranih ocen so bile izračunane konsenzne vrednosti, ki so predstavljale ciljno spremenljivko regresijskega modeliranja. Za vsako sintetizirano sliko je bilo vzporedno izračunanih 18 IQA metrik: deset s popolno referenco (PSNR, SSIM, MS-SSIM, IW-SSIM, FSIM, VSI, GMSD, HaarPSI, LPIPS in DISTS) in osem brez reference (NIQE, entropija, CPBD, BE, BEW, VL, MTV in JNB). Z ogrodjem za avtomatizirano strojno učenje Auto-Sklearn sta bila ločeno naučena dva ansambelska regresijska modela in ovrednotena s štirikratnim prečnim preverjanjem. Rezultati so pokazali, da je avtomatizirano napovedovanje vizualne kakovosti iz IQA metrik izvedljivo in robustno na vseh štirih nalogah pretvorbe. Napovedane ocene so se tesno prilegale konsenznim ocenam strokovnjakov, tipično znotraj ± 0,5 točke lestvice. Model z metrikami s popolno referenco je dosegel povprečni R2 = 0,752 in povprečno absolutno napako MAE = 0,374, model z metrikami brez reference pa R2 = 0,589 in MAE = 0,478. Pri obeh modelih ni bilo statistično značilnih razlik med napovedano in dejansko porazdelitvijo ocen (Wilcoxonov test, p = 0,86 oziroma p = 0,64) niti sistematične pristranskosti na ravni posameznih podmnožic. Vizualne ocene so se med nalogami bistveno razlikovale: pretvorba CBCT → CT se je izkazala kot najtežja (mediana 2,6), kar je skladno z visoko heterogenostjo CBCT posnetkov iz različnih kliničnih centrov in nestandardizirano kalibracijo Hounsfieldovih enot, medtem ko je bila pretvorba FLAIR → DIR daleč najlažja (mediana 4,2), saj vse slike v tej zbirki izhajajo iz enega samega slikovnega sistema. Analiza razlagljivosti z metodo SHAP in grafi parcialne odvisnosti je razkrila, da pri modelu s popolno referenco napoved dosledno vodijo strukturno in kontrastno občutljive metrike, predvsem IW-SSIM, PSNR in MS-SSIM, pri modelu brez reference pa statistične mere globalnih lastnosti slike – NIQE, entropija in CPBD. IW-SSIM se je v vseh testih prečnega preverjanja uveljavila kot najbolj robusten napovednik, kar je skladno z njeno zasnovo: z lokalnim uteževanjem po informacijski vsebini daje večji pomen napakam na anatomsko bogatih območjih, ki so za zaznavno kakovost dejansko ključna. Grafi parcialne odvisnosti so dodatno razkrili nemonotono vedenje osnovnega SSIM, ki pri vmesnih in visokih vrednostih postane neobčutljiv za subtilne, a klinično relevantne artefakte in lahko celo nagradi prekomerno zglajeno ali lokalno konsistentno halucinirano vsebino – kar opozarja na omejitve te metrike pri izolirani uporabi. Skupek rezultatov potrjuje, da nobena posamezna metrika ne zadošča za zanesljivo vrednotenje kakovosti generativnih medicinskih slik, da pa njihova kombinacija znotraj ansambelskega regresijskega okvira, kalibriranega na ekspertnih vizualnih ocenah, omogoča pregledno, ponovljivo in klinično smiselno avtomatizirano vrednotenje. Razviti okvir, skupaj z javno dostopno aplikacijo za ocenjevanje in protokolom, predstavlja praktično osnovo za standardiziran nadzor kakovosti generativnih sistemov v medicinskem slikanju.J. Žagar20262026-05-29 14:30:06Magistrsko delo/naloga182963UDK: 004.93:616-073(043.3)VisID: 63341COBISS_ID: 282447107sl