Channelized hotelling observer optimization for medical image quality assessment in lesion detection tasks

Abstract

English: Since the image quality assessments made by human observers can be too much costly and time-consuming, despite they are the most accurate because humans will be the final users of the images, a widely used alternative are the model or numerical observers, mathematical methods that estimate the human performance. More specifically, the Channelized Hotelling Observer is able to correlate very precisely the human observer if a proper internal noise model is optimized. In this manuscript, the CHO is studied using four different channels and eleven internal noises when it is trained with images we know the human behavior and trained afterwards in other related images for which the human performance would not be available. By this procedure we verify the model observer is a good surrogate of the human observer in this situation. In addition, the research is based on two experiments. The first one estimates the human performance in images reconstructed by a different iteration of the filter used, whereas in the second scene the tested images have correlated noise to the trained ones.

Castellano: Dado que las evaluaciones de calidad de imagen realizadas por humanos pueden ser muy costosas económica y temporalmente, a pesar de ser las más precisas ya que estos serán los usuarios finales de dichas imágenes, una alternativa cada vez más utilizada son los observadores numéricos, métodos matemáticos que estiman el comportamiento humano. Más concretamente, el Channelized Hotelling Observer se ha comprobado que es capaz de correlar con precisión al observador humano si se optimizan modelos de ruido interno adecuados. En este manuscrito se estudia este observador con cuatro canales y once ruidos internos diferentes cuando es entrenado con imágenes de las que conocemos el comportamiento humano y testeado posteriormente en otras relacionadas con las primeras por las que este comportamiento no estaría disponible. Así comprobamos que el CHO es una buena alternativa al humano en esta situación. Además, la investigación se basa en dos experimentos. El primero estima el comportamiento humano en imágenes reconstruidas con una iteración diferente del filtro utilizado, mientras que en el segundo las imágenes testeadas tienen ruido correlado a las utilizadas en el entrenamiento del algoritmo.

Català: Donat que les avaluacions de qualitat d'imatge realitzades per humans poden ser molt costoses econòmica i temporalment, malgrat ser les més acurades ja que aquests seran els usuaris finals de dites imatges, una alternativa cada vegada més utilitzada són els observadors numèrics, mètodes matemàtics que estimen el comportament humà. Més concretament, el Channelized Hotelling Observer s'ha comprovat que és capaç de correlar molt acuradament l'observador humà si s'optimitzen models de soroll intern adequats. En aquest manuscrit s'estudia aquest observador amb quatre canals i onze sorolls interns diferents quan l'entrenem amb imatges de les quals coneixem el comportament humà i el testegem. posteriorment a unes altres relacionades amb les primeres per les quals aquest comportament no estaria disponible. Així comprovem que el CHO és un bona alternativa a l'humà en aquesta situació. A més, la investigació es basa en dos experiments. El primer estima el comportament humà en imatges reconstruïdes amb una iteració diferent del filtre utilitzat, mentre que al segon les imatges testejades tenen soroll correlat a les utilitzades en l'entrenament de l'algoritme.