殷 夫，紀 震，周家銳，張海婕

1)深圳大學計算機與軟件學院，深圳 518052；2)廣州軍區(qū)武漢陸軍總醫(yī)院核醫(yī)學科，武漢 430070

【電子與信息科學 / Electronics and Information Science】

PET/CT圖像質(zhì)量主觀評價與感知模型

殷 夫1，紀 震1，周家銳1，張海婕2

1)深圳大學計算機與軟件學院，深圳 518052；2)廣州軍區(qū)武漢陸軍總醫(yī)院核醫(yī)學科，武漢 430070

針對面向醫(yī)學領域的主觀評價數(shù)據(jù)庫缺乏，導致醫(yī)學圖像質(zhì)量評價(image quality assessment，IQA)算法性能難以分析的問題，基于雙重刺激失真水平測試法，建立正電子發(fā)射斷層顯像/計算機斷層掃描醫(yī)學圖像的主觀評價數(shù)據(jù)庫．對比13種國際通用IQA算法在數(shù)據(jù)庫上的性能，分析不同退化方法對IQA算法的影響．結(jié)果表明，對新建立的圖像評價數(shù)據(jù)庫來說，特征相似性(feature similarity，F(xiàn)SIM)圖像評價模型在相關性及穩(wěn)定性方面明顯優(yōu)于其他IQA算法，包括目前醫(yī)學領域主流的峰值信噪比評價指標．

計算機圖像處理；圖像質(zhì)量評價算法；雙重刺激失真水平測試法；電子發(fā)射斷層顯像/計算機斷層掃描；特征相似性；圖像質(zhì)量主觀評價數(shù)據(jù)庫

正電子發(fā)射斷層顯像(positron emission tomography，PET)是目前最先進的核醫(yī)學影像技術(shù)之一．PET檢查采用正電子核素作為示蹤劑，通過觀察病灶部位對示蹤劑的攝取，了解其功能代謝狀態(tài)，從而對疾病作出正確診斷[1]．計算機斷層掃描(computed tomography，CT)是臨床廣泛應用，且迅速發(fā)展的X線斷層成像技術(shù)．通過將PET與CT同機整合，并將其輸出的不同性質(zhì)的圖像進行融合顯示，即可形成PET/CT醫(yī)學成像系統(tǒng)．將PET和CT進行結(jié)合，不僅保留了經(jīng)典解剖影像的作用，還加入了先進的分子影像功能，其結(jié)合遠優(yōu)于各自單獨的價值[2]．PET/CT的出現(xiàn)是醫(yī)學影像學的又一次革命，受到醫(yī)學界的廣泛關注．

醫(yī)學圖像，特別是放射醫(yī)學成像，是臨床醫(yī)學研究、診斷和治療的重要依據(jù)．發(fā)展醫(yī)學圖像質(zhì)量評價方法，對評估和優(yōu)化成像系統(tǒng)、醫(yī)學圖像的壓縮方法以及成像算法具有重大意義．醫(yī)學圖像質(zhì)量評價(image quality assessment，IQA)包括主觀評價和客觀評價兩類[3]．

醫(yī)學圖像質(zhì)量評價最可靠的評價方法為主觀評價方法．主觀評價方法是通過心理學測試，直接獲得人類視覺系統(tǒng)(human visual system，HVS)對圖像質(zhì)量的主觀評價分數(shù)，是一類比較可靠的評價方法．但是該方法存在代價高、耗時長、實時性差和易受主客觀因素影響等缺點，在現(xiàn)實中往往難以應用，因此通常使用客觀感知模型來模仿HVS的功能．然而，客觀算法的研究依賴于主觀評價結(jié)果，需采用建立圖像質(zhì)量感知評價數(shù)據(jù)庫的方式獲得主觀評價結(jié)果[4]．遺憾的是，目前缺乏面向醫(yī)學圖像的主觀評價數(shù)據(jù)庫，客觀感知模型往往只能在自然圖像數(shù)據(jù)庫中檢驗其性能．因此，建立一個由醫(yī)生參與評分的標準主觀圖像數(shù)據(jù)庫尤為必要．

客觀評價方法采用算法感知模型計算圖像質(zhì)量客觀評價分數(shù)，其目的是使計算機模仿HVS的功能．目前醫(yī)學圖像處理系統(tǒng)主要采用峰值信噪比(peak signal to noise ratio，PSNR)作為圖像質(zhì)量評價標準，并不能真實反映圖像的視覺感知量[5]．從基本方法上來說，醫(yī)學圖像質(zhì)量評價與自然圖像質(zhì)量評價都是評估圖像之間的感知差異．但醫(yī)學圖像的成像目的是病灶診斷，病灶信號的可識別能力是醫(yī)學圖像質(zhì)量的重要特征[6]．常見的通用圖像質(zhì)量評價方法是否適用于醫(yī)學圖像，仍須通過在醫(yī)學圖像主觀評價數(shù)據(jù)庫上通過實驗進行驗證．

建立圖像質(zhì)量感知主觀評價數(shù)據(jù)庫的意義在于衡量圖像客觀評價算法的性能．而目前缺乏面向醫(yī)學圖像的主觀評價數(shù)據(jù)庫．為此，本研究建立基于PET/CT醫(yī)學圖像的主觀評價數(shù)據(jù)庫，并在此基礎上，選取13種國際通用IQA算法，就各客觀算法的準確性、單調(diào)性和一致性進行評價分析，提出了比PSNR更符合視覺感知特點、性能更優(yōu)的醫(yī)學感知模型．

1 PET/CT醫(yī)學圖像主觀評價數(shù)據(jù)庫的構(gòu)造

1.1 測試圖片

在圖像質(zhì)量主觀感知評價數(shù)據(jù)庫的開發(fā)中，需要測試者進行質(zhì)量感知評價的圖片被稱為測試圖片．其中，未經(jīng)任何處理的圖片稱為原始圖片，對原始圖片經(jīng)過某種退化方法處理后的圖片稱為退化圖片．

該數(shù)據(jù)庫中包含原始圖片12張，均來源于某醫(yī)院PET/CT中心病例圖像數(shù)據(jù)庫．其中，測試圖片分為含病灶圖片與無病灶圖片，兩者數(shù)量比例約為2∶1；垂直與水平分辨率均為96 dpi，尺寸為968×968 像素．為保證原始圖片無編碼損失，選擇存儲格式為BMP．

在構(gòu)造退化圖片時，該數(shù)據(jù)庫針對PET/CT圖像設計了多種退化方法，基本包含了實際PET/CT圖像編碼和圖像傳輸中可能導致的各種失真，包括在進行圖片壓縮保存中的JPEG壓縮(記為JPG)與JPEG2000壓縮(記為JP2)、醫(yī)生在進行病灶診斷時對圖片進行對比度調(diào)節(jié)而造成的對比度變化(contrast change，CC)、 儀器故障產(chǎn)生的高斯白噪聲(white Gaussian noise，WGN)、 高斯模糊(Gaussian blur，GB)和模塊缺失，以及因患者在進行PET/CT檢查時運動所產(chǎn)生的運動模糊(motion blur，MB)這6種退化方法.每種退化方法有4個退化水平，經(jīng)多次主觀測試實驗得到退化參數(shù)如表1．其中，JPG與JP2的退化參數(shù)為壓縮質(zhì)量；CC的退化參數(shù)為對比度變化率；WGN的退化參數(shù)為噪聲分布率；GB的退化參數(shù)為高斯濾波的標準偏差；MB的退化參數(shù)為像素大?。凑找陨显瓌t，本研究所構(gòu)建的數(shù)據(jù)庫共有288張退化圖片，是原始圖片數(shù)、退化方法數(shù)和退化水平數(shù)之積．數(shù)據(jù)庫訪問的網(wǎng)址為http://dsp.szu.edu.cn/petct/．

1.2 測試方法

雙重刺激失真水平測試法(double-stimulus impairment scale method，DSIS)的測試以循環(huán)方式進行[7]．每次循環(huán)時，首先向測試者呈現(xiàn)無失真的原始圖片，接下來顯現(xiàn)相應的退化圖片，并要求測試者在留有對原始圖片印象的情況下對退化圖片失真情況進行評價．在約30 min的測試中，測試圖片的呈現(xiàn)順序需是隨機的．在所有測試者完成評價后，計算每張圖片獲得的平均分(mean-opinion-score，MOS)作為最終測試結(jié)果．圖1給出DSIS方法測試流程[8]．其中，t1=10s，顯示原始圖片；t2=3s，無顯示；t3=10s，顯示測試圖片；t4為5～11s，無顯示；測試者可以在t3和t4階段對測試圖片進行評價．

表1 各退化方法退化參數(shù)

圖1 DSIS方法測試流程圖[6]Fig.1 Test flow chart of DSIS method[6]

病灶信號的可識別能力是醫(yī)學圖像質(zhì)量的重要特征，因此將主觀測試評價指標規(guī)定為：“5”為圖像質(zhì)量優(yōu)，不影響診斷；“4” 為圖像質(zhì)量良，不影響診斷；“3” 為圖像質(zhì)量較差，影響診斷；“2” 為圖像質(zhì)量差，明顯影響診斷；“1” 為圖像質(zhì)量極差，無法診斷．

1.3 測試環(huán)境

DSIS測試時，所有圖片使用巨峰公司型號為C22SP+21.3″2MP的彩色LED器醫(yī)用顯示器進行呈現(xiàn)．該顯示器具有彩色和灰階成像功能，適用于多種醫(yī)療影像設備以及臨床科室．

根據(jù)ITU-R_BT.500-11協(xié)議中電視圖像質(zhì)量主觀評價方法(methodologyforsubjectiveassessmentofthequalityoftelevisionpictures)的要求，將顯示器亮度設置為70、對比度設置為50、銳利度設置為7、飽和度設置為50、色溫設置為6 500K、伽馬設置為DICOM500．

所有主觀測試均在某醫(yī)院PET/CT中心會議室進行，室內(nèi)光照正常．

1.4 測試人員

ITU-R_BT.500-11協(xié)議中要求至少有15名非圖像處理專業(yè)測試者參加測試，每個測試者必須具有正常的視覺靈敏度與正常的色視覺[8]．Chandler等[9]發(fā)現(xiàn)，測試者的專業(yè)對其圖像質(zhì)量感知評價具有影響．例如，專業(yè)為圖像處理領域的測試者傾向于對超過一定壓縮閾值的壓縮圖片給出較低評價，而攝影師則對噪聲模糊圖片給出較低評價．測試者的專業(yè)水平可能會造成圖像質(zhì)量評價結(jié)果的偏差．因此需對此因素進行控制．

本研究因測試圖片為醫(yī)用PET/CT圖片，故所挑選測試人員均為影像學范疇的專業(yè)醫(yī)生，其中，主治醫(yī)師10人，醫(yī)師5人．

1.5 數(shù)據(jù)處理

主觀評價測試完成后，每張圖片將獲得來自不同測試者的多個分數(shù)，其分布與測試者數(shù)量、評價偏差趨勢和測試環(huán)境等因素有關[10]．在構(gòu)造數(shù)據(jù)庫時，需對所采集數(shù)據(jù)進行以下處理：

(1)

其中，j為測試條件；k為測試圖片；r為重復次數(shù)；N為測試者數(shù)量；U為測試圖片主觀評價分數(shù)．

(2)

計算結(jié)果顯示，大部分測試者對圖像質(zhì)量的感知程度較為一致．這說明，本研究所構(gòu)造的數(shù)據(jù)庫具有較好的標準性與客觀性.

2 客觀感知模型效果分析

2.1 客觀模型研究現(xiàn)狀

傳統(tǒng)的客觀評價模型，如PSNR模型與MSE模型，是通過逐點計算失真圖像與原始圖像每個像素點差異的統(tǒng)計特性來反映圖像的失真程度．這類方法雖然形式簡單、計算量小，但其獨立于圖像內(nèi)容，在許多情況下都無法與人眼視覺感知保持一致[11]．因此，學術(shù)界提出更符合HVS的圖像質(zhì)量評價模型，代表性的有基于場景統(tǒng)計特性的信息保真度準則(informationfidelitycriterion，IFC)[12]和視覺信息保真度(visualinformationfidelity，VIF)[13]模型，基于結(jié)構(gòu)相似性(structuralsimilarity，SSIM)的結(jié)構(gòu)相似性指標(structuralsimilarityindex)模型[14]，多尺度結(jié)構(gòu)相似度(multi-scalestructuralsimilarity，MS-SSIM)指標模型[15]和FSIM(afeaturesimilarityindexforimagequalityassessment)[16]模型，基于HVS的NQM(noisequalitymeasure)[17]與視覺信噪比(visualsignaltonoiseratio，VSNR)[18]模型，以及基于梯度模方差的GMSD(gradientmagnitudesimilaritydeviation)[19]模型．

2.2 客觀算法數(shù)據(jù)預處理

理想情況下客觀模型預測值與主觀評價結(jié)果應為線性關系[11]，即

SMOSp=kSMOS

(3)

其中，SMOSp為客觀算法評價分數(shù)(MOS of perception models，MOSp)；k為線性常數(shù)；SMOS為所有測試者完成評價后計得的每張圖片獲得的平均分．

主觀評價過程會引入非線性因素，因此視頻質(zhì)量專家組(video quality experts group，VQEG)建議,在衡量兩者相關性之前，需對測試算法的實驗結(jié)果進行非線性補償[20]．有2種非線性回歸可供參考：多項式擬合和Logistic回歸．本研究使用增加線性條件限制的5參數(shù)非線性Logistic模型作為評價值的非線性模型，如式(4)，并采用最小均方差法進行擬合．

quality(x)=β1Logistic(β2，(x-β3))+

β4x+β5

(4)

其中，quality(x)為擬合后的預測值；β1為MOS最大值與最小值之差；β2為預測值集合方差的倒數(shù)；β3為預測值的平均值；β4的值設為-1；β5為MOS的平均值.最小均方差模型為

(5)

其中，τ為模型評價參數(shù)，在這里為預測集合方差的倒數(shù)；x為預測值與平均值之差.

2.3 算法定量指標

客觀圖像質(zhì)量評價算法的性能一般通過以下方面進行衡量：① 算法準確性，即客觀評價值與主觀評價值之間的差異應足夠小；② 單調(diào)性，即客觀評價值應隨主觀評價值的增減而增減；③ 一致性，即客觀評價算法在測試集上表現(xiàn)出的性能與其在訓練集上的性能相似.

本研究基于文獻[3]，按照以下3方面的客觀指標來評價算法性能.

1)皮爾遜線性相關系數(shù)(Pearsonlinearcorrelationcoefficient，PLCC)為

(6)

2)均方誤差根(rootmeansquarederror，RMSE)為

(7)

3)斯皮爾曼秩相關系數(shù)(Spearman’srankordercorrelationcoefficient，SROCC)為

(8)

2.4 實驗結(jié)果

建立圖像質(zhì)量感知主觀評價數(shù)據(jù)庫的意義在于衡量圖像客觀評價算法的性能.本研究選擇13種國際通用IQA算法進行評價分析，包括PSNR、SSIM、MS-SSIM、VSNR、VIF、VIFP[13]、UQI[12]、IFC、NQM、WSNR、SNR、GMSD和FSIM．實驗以構(gòu)造的PET/CT醫(yī)學圖像質(zhì)量主觀評價數(shù)據(jù)庫為基礎，運用式(6)和式(8)，計算各客觀算法在該數(shù)據(jù)庫上的性能指標PLCC及SROCC，結(jié)果分別如表2和表3．

表2 客觀算法在各退化類型上的線性相關系數(shù)對比

表3 客觀算法在各退化類型上的SROCC對比

2.4.1 CC和SROCC

表2和表3中的JPG與JP2分別代表JPEG壓縮與JPEG2000壓縮，“all”分別為各客觀算法在PET/CT數(shù)據(jù)庫上的PLCC及SROCC指標，其中性能排名前3位的客觀算法已用粗體加下劃線標出．“all2”為去掉對比度變化圖片的客觀算法在PET/CT數(shù)據(jù)庫上的PLCC及SROCC指標.“mean”值表示各個客觀算法在不同退化方法上相關系數(shù)與秩相關系數(shù)的平均值．

從PLCC及SROCC這2個指標來看，GMSD與FSIM是性能最優(yōu)的算法，兩者的cPLCC值分別為0.883與0.890，cSROCC值分別為0.862與0.869．VIF是性能較優(yōu)的算法，cPLCC值與cSROCC值分別為0.800與0.780.其余客觀算法性能指標均較低，其中基于結(jié)構(gòu)相似度的SSIM與UQI算法性能最差，SSIM算法的cPLCC值與cSROCC值分別僅為0.665與0.563，與主觀評價分數(shù)相關性較差．

2.4.2 對比度變化圖片對客觀算法性能影響

分析評分普遍較低的原因時，考慮圖片提供的信息紋理和形狀屬于初級視覺信息，情感和認知屬于高級視覺信息．研究認為，對比度變化會產(chǎn)生部分圖片信息缺失，造成高級視覺信息偏差，然而已有的客觀方法在建立模型時并未考慮這一因素，導致主客觀分數(shù)相關性較差[10]．因此，在實驗中排除對比度變化圖片的主觀數(shù)據(jù)，重新計算客觀算法在數(shù)據(jù)庫上的性能．實驗結(jié)果如表2及表3中“all2”值所示．

由表2和表3得出，大部分客觀算法的性能在去掉對比度變化后均提升明顯．其中，VIF模型的性能最佳，其cPLCC值由0.801提高為0.931，cSROCC值由0.780提高為0.903．而SSIM與UQI算法性能最差,SSIM算法的cPLCC值與cSROCC值分別僅為0.716與0.608．各客觀算法PLCC與SROCC性能排名與之前全部圖片測試結(jié)果基本一致．

2.4.3 退化方法對圖像質(zhì)量評價的影響

通過比較各算法的PLCC值、SROCC值以及平均值可以發(fā)現(xiàn)：

1)同一種退化方法上，各個客觀算法的性能都有明顯差異，但在高斯白噪聲與高斯模糊圖片上，各個客觀算法的性能指標都較高．在對比度變化圖片上，各客觀算法的性能指標均較低．除VIF、PSNR和NQM外，其他客觀算法在JPG與JP2上的性能均較差．

2)同一客觀算法在不同退化類型圖片上的性能也有明顯差異．例如，SNR算法在JPG與JP2上的cSROCC值較低，而在其他退化圖片上cSROCC值均大于0.880，性能優(yōu)秀．

3)FSIM與VIF在所有退化類型圖片上的性能都較好，SROCC的平均值超過0.900，但FSIM是唯一一個在對比度變化退化方法下SROCC值達到0.900的算法．值得注意的是，傳統(tǒng)醫(yī)學圖像質(zhì)量評價算法PSNR在各退化類型圖片上的SROCC平均值高達0.915，但在全部圖片數(shù)據(jù)下的SROCC值僅為0.722．

圖2 全部圖片下的客觀分數(shù)及MOSFig.2 (Color online) Objective score and MOS on all pictures

2.4.4 VIF與PSNR性能對比

通過對比性能較優(yōu)的VIF算法，分析PSNR在單一退化方法上性能較好，而在總體測試性能較差的原因．圖2分別顯示了VIF與PSNR模型在構(gòu)造的PET/CT醫(yī)學圖像質(zhì)量主觀評價數(shù)據(jù)庫上的SROCC擬合曲線．圖3(a)中不同形狀的點為不同退化方法的測試圖片VIF評價分數(shù)，與之對應的曲線表示該退化方法下，計算SROCC時的擬合曲線．圖3(b)中不同形狀的點為不同退化方法的測試圖片PSNR評價分數(shù)，與之對應的曲線表示該退化方法下，計算SROCC值時的擬合曲線．

圖3 不同退化方法下的客觀分數(shù)及MOSFig.3 (Color online) Objective scores and MOS on all distortion algorithms

在圖2(a)中，各數(shù)據(jù)點較緊密的分布在擬合曲線的兩邊，VIF分數(shù)與MOS擬合度較好，相關性較高，因此總體的PLCC值及SROCC值均較高．在圖3(a)中，不同退化方法下，各退化類型圖片的數(shù)據(jù)點緊密的分布在擬合曲線的兩邊，VIF分數(shù)與MOS擬合度很好，相關性高，因此在計算各性能指標時，PLCC值及SROCC值均較高．同時發(fā)現(xiàn)進行對比度變化的數(shù)據(jù)點相比其他退化類型分布較分散，因此在去掉對比度變化后，VIF的性能有了明顯提高．

在圖2(b)中，數(shù)據(jù)點較分散的分布在擬合曲線的兩邊，PSNR分數(shù)與MOS擬合度較差，相關性較低，因此總體的PLCC值及SROCC值均不高．在圖3(b)中，在不同退化方法下，各退化類型圖片分數(shù)的數(shù)據(jù)點較緊密的分布在擬合曲線的兩邊，PSNR分數(shù)與MOS擬合度較好，相關性較高，因此在計算各性能指標時，PLCC值及SROCC值均較高，SROCC值均高于0.870．但所有數(shù)據(jù)點的整體分布較分散，整體SROCC值僅為0.722．因此，PSNR算法在不同退化方法上性能優(yōu)異，而在所有測試數(shù)據(jù)上性能較差．

3 結(jié) 論

本研究通過對PET/CT醫(yī)學圖像進行質(zhì)量評價，首次構(gòu)建了PET/CT醫(yī)學圖像質(zhì)量主觀評價數(shù)據(jù)庫.并以此為基礎，對國際通用客觀模型的性能進行對比研究，得到以下結(jié)論：

1)醫(yī)學圖像質(zhì)量主觀評價需要進行大量心理學測試，測試圖片的數(shù)據(jù)量對最終得到的圖片MOS分數(shù)影響較大，在DSIS測試中，發(fā)現(xiàn)ITU協(xié)議中規(guī)定的每張測試圖片15個主觀評價分數(shù)的測試數(shù)據(jù)量可以保證測試的可靠性；

2)對比度變化圖片對主觀評價測試結(jié)果有較大的影響，原因可能是對比度變化包含認知等方面的后期視覺信息，而醫(yī)生對PET/CT圖像的對比度變化十分敏感，不同醫(yī)生對此類圖片的評分差異明顯，目前的客觀算法對這類圖片質(zhì)量的評價較差；

3)退化方法對圖像質(zhì)量評價結(jié)果影響巨大，不同退化方法上，圖片的客觀評價分數(shù)與主觀評價分數(shù)的一致性有非常明顯的差別，一些客觀方法在單一的退化方法上性能較好，而在多種退化方法上的性能較差．實驗結(jié)果顯示，F(xiàn)SIM效果最佳，且比傳統(tǒng)的醫(yī)學圖像客觀質(zhì)量評價算法PSNR有明顯優(yōu)勢．

/ References：

[1] Wang Rongfu．PET/CT：new technology application of molecular imaging[M]．Beijing：Beijing Medical University Press，2011：1-5．(in Chinese) 王榮福．PET/CT：分子影像學新技術(shù)應用[M]．北京：北京大學醫(yī)學出版社，2011：1-5．

[2] Chen Shengzu．PET/CT technology principle and oncology application[M]．Beijing：People’s Military Medical Press，2007：3-10．(in Chinese) 陳盛祖．PET/CT技術(shù)原理及腫瘤學應用[M]．北京：人民軍醫(yī)出版社，2007：3-10．

[3] Lin Chunyi，Yin Junxun，Gao Xue，et al．A multi-level medical image semantic modeling approach based on statistical learning[J]．Journal of Shenzhen University Science and Engineering，2007，24(2):138-143．(in Chinese) 林春漪，尹俊勛，高 學，等. 基于統(tǒng)計學習的多層醫(yī)學圖像語義建模方法[J]．深圳大學學報理工版，2007，24(2)：138-143．

[4] Zhou Jinchao，Dai Ruwei，Xiao Baihua．Overview of image quality assessment[J]．Computer Science，2008，35(7)：1-8．(in Chinese) 周景超，戴汝為，肖柏華．圖像質(zhì)量評價研究綜述[J].計算機科學，2008，35(7)：1-8．

[5] Zhang Min，Zhang Lei．Non-shift edge based ratio (NSER)：an image quality assessment metric based on early vision features[J]．IEEE Signal Processing Letters，2011，18(5)：315．

[6] Hu Yuanyuan，Niu Xiamu．Image quality assessment based on human visibility threshold theory and structural similarity[J]．Journal of Shenzhen University Science and Engineering，2010，27(2)：185-191．(in Chinese) 胡媛媛，牛夏牧．基于視覺閾值的結(jié)構(gòu)相似度圖像質(zhì)量評價算法[J]．深圳大學學報理工，2010，27(2):185-191．

[7] Zhang Xuemin，Shu Hua．Outline of experimental psychology[M]．Beijing：Beijing Normal University Publishing Group，2004．(in Chinese) 張學敏，舒 華．實驗心理學綱要[M]．北京：北京師范大學出版社，2004．

[8] ITU．ITU-R_BT. 500-11Methodology for the subjective assessment of the quality of television pictures[S]．

[9] Vu E C L，Chandler D M．Visual fixation patterns when judging image quality：effects of distortion type，amount，and subject experience[C]// IEEE Symposium on Image Analysis and Interpretation．Santa Fe(Argentina)：IEEE Press，2008：73-76．

[10] Larson E C，Chandler D M．Most apparent distortion：full-reference image quality assessment and therole of strategy[J]．Journal of Electronic Imaging，2010，19(1)：011006-1-011006-21．

[11] Mou Xuanqin，Xue Wufeng，Zhang Min．Methods of partial reference image quality assessment based on early vision．CN101482973[P]，China，2009．(in Chinese) 牟軒沁，薛武峰，張 敏．基于早期視覺的部分參考圖像質(zhì)量評價方法[P]． CN101482973．中國，2009．

[12] Sheikh H R，Bovik A C，Veciana G de．An information fidelity criterion for image quality assessment using natural scene statistics[J]．IEEE Transactions on Image Processing，2005，14(12)：2117-2122．

[13] Sheikh H R，Bovik A C．Image information and visual quality[J]．IEEE Transactions on Image Processing，2006，15(2)：430-444．

[14] Wang Z，Bovik A C，Sheikh H R．Image quality assessment：from error measurement to structural similarity[J]．IEEE Transactions on Image Processing，2004，13(4)：600-612．

[15] Wang Zhou，Simoncelli E P，Bovik A C．Multi-scale structural similarity for image quality assessment[C]// Proceedings of the 37th IEEE AsilomarConference on Signals，Systems，and Computers．Pacific Grove(USA)：IEEE Press，2003：1398-1402.

[16] Zhang Lin，Zhang Lei，Mou Xuanqin，et al．FSIM：a feature similarity index for image quality assessment[J]．IEEE Transactions on Image Processing，2011，20(8)：2378-2386．

[17] Damera-Venkata N，Kite T D，Geisler W S，et al．Image quality assessment based on a degradation model[J]．IEEE Transactions on Image Processing，2000，9(4)：636-650．

[18] Chandler D M，Hemami S S．VSNR：a wavelet-based visual signal-to-noise ratio for natural images[J]．IEEE Transactions on Image Processing，2007，16(9)：2284-2298．

[19] Xue Wufeng，Mou Xuanqin，Zhang Lei，et al．Blind image quality assessment using joint statistics of gradient magnitude and Laplacian features[J]．IEEE Transactions on Image Processing，2014，23(11)：4850-4862．

[20] Video Quality Experts Group．Final report from the video quality experts group on the validation of objective models of video quality assessment，Phase II[R/OL]．(2003-08-25)．http://www.vqeg.org/．

【中文責編：英 子；英文責編：木 南】

Subjective assessment and perception model of PET/CT image quality

Yin Fu1, Ji Zhen1?, Zhou Jiarui1, and Zhang Haijie2

1) College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518052, P.R.China 2) Nuclear Medicine Department, Wuhan General Hospital of Guangzhou Military Command, Wuhan 430070, P.R.China

Image quality assessment (IQA) is highly dependent on subjective assessment. However, no subjective image quality assessment database is presently available for medical image, which poses a big challenge for the evaluation of medical IQA algorithms. In this paper, we propose the first positron emission tomography/computed tomography medical image subjective assessment database based on the double-stimulus impairment scale method. Performances of thirteen commonly used IQA algorithms are compared on the database. Moreover, effects of different image distortions on IQA algorithms are analyzed. Experimental results show that the feature similarity model outperforms other IQA methods, including peak signal to noise ratio, the most commonly used algorithm in the medical field.

computer image processing; image quality assessment; double-stimulus impairment scale method; positron emission tomography/computed tomography; feature similarity; subjective image quality assessment database

：Yin Fu，Ji Zhen，Zhou Jiarui，et al．Subjective assessment and perception model of PET/CT image quality[J]. Journal of Shenzhen University Science and Engineering, 2015, 32(2): 205-212.(in Chinese)

TP 391.41; TP 391.77

A

10.3724/SP.J.1249.2015.02205

國家自然科學基金資助項目(u1201256)

殷 夫(1989—)，男(漢族)，湖北省漢川市人，深圳大學碩士研究生．E-mail：slintch@sina.com

Received：2014-10-13；Accepted：2015-02-04

Foundation：National Natural Science Foundation of China(u1201256)

? Corresponding author：Professor Ji Zhen．E-mail：jizhen@szu.edu.cn

引 文：殷 夫，紀 震，周家銳，等．PET/CT圖像質(zhì)量主觀評價與感知模型[J]. 深圳大學學報理工版，2015，32(2)：205-212.