استخراج الميزات لتقييم التصوير الطبي التوليدي: أدلة جديدة ضد اتجاه متغير

يُعد مقياس فريشيت إينسيبت دستانس (FID) معيارًا شائع الاستخدام لتقييم جودة الصور الاصطناعية. ويعتمد هذا المقياس على مُستخرج ميزات مُدرب على مجموعة بيانات ImageNet، مما يجعل تطبيقه في مجال التصوير الطبي غير واضح. ويشهد حديثًا اتجاهًا لتعديل FID ليناسب التصوير الطبي من خلال استخدام مستخرجات ميزات مُدربة على صور طبية. ونُقدّم في دراستنا تحديًا لهذا الممارسة، من خلال إثبات أن مستخرجات الميزات المُدربة على ImageNet تكون أكثر اتساقًا وتوافقًا مع التقييم البشري مقارنةً بمستخرجات RadImageNet. وقد قمنا بتقييم ستة عشر شبكة StyleGAN2 عبر أربع وسائط تصوير طبي وتقنيات أربعة لتعزيز البيانات، باستخدام مقاييس فريشيت للمسافة (FDs) المُحسوبة باستخدام أحد عشر مستخرجًا لميزات مُدربًا على ImageNet أو RadImageNet. وعند مقارنة النتائج مع التقييم البشري من خلال اختبارات تورينغ البصرية، أظهرت النتائج أن مستخرجات ImageNet أنتجت ترتيبات متوافقة مع التقييم البشري، حيث أظهرت المسافة الفريشيت المستمدة من مستخرج SwAV المدرب على ImageNet ارتباطًا معنويًا قويًا مع تقييم الخبراء. في المقابل، كانت الترتيبات المستمدة من RadImageNet غير مستقرة وغير متوافقة مع التقييم البشري. وتُشكّل هذه النتائج تحديًا للفرضيات السائدة، وتوفر أدلة جديدة تُشير إلى أن مستخرجات الميزات المدربة على الصور الطبية لا تُحسّن تلقائيًا قياسات FID، بل قد تُضعف موثوقيتها في بعض الأحيان. يُمكن الاطلاع على الكود الخاص بنا عبر الرابط: https://github.com/mckellwoodland/fid-med-eval.