摘要

弗雷歇 inception 距离（Fréchet Inception Distance, FID）是一种广泛用于评估生成图像质量的指标。该方法依赖于基于 ImageNet 训练的特征提取器，因此其在医学影像领域的适用性尚不明确。近年来，一种趋势是通过在医学影像数据上训练的特征提取器来适应 FID 以用于医学图像评估。然而，本研究对此做法提出质疑，结果表明，基于 ImageNet 训练的特征提取器在一致性与人类判断的契合度方面，优于其对应的 RadImageNet 提取器。我们评估了十六个 StyleGAN2 生成网络，在四种医学影像模态及四种数据增强技术下，采用十一组基于 ImageNet 或 RadImageNet 训练的特征提取器计算弗雷歇距离（Fréchet Distance, FD）。通过视觉图灵测试（visual Turing test）与人类主观判断进行对比分析发现，基于 ImageNet 的提取器所生成的排名与人类判断高度一致，其中基于 ImageNet 训练的 SwAV 提取器所计算的 FD 与专家评价之间表现出显著相关性。相比之下，基于 RadImageNet 的提取器所生成的排名则波动较大，且与人类判断不一致。本研究结果挑战了当前普遍存在的假设，提供了新的实证证据：在医学影像上训练的特征提取器并不必然提升 FID 的有效性，甚至可能削弱其可靠性。本研究代码已公开，可访问 https://github.com/mckellwoodland/fid-med-eval。