Ground Truth vs Ground Truth Free Analisi Critica delle Metriche di Valutazione in Tomografia Computazionale

In questa tesi viene analizzata la coerenza tra metriche basate su ground truth - quali Mean Squared Error (MSE), Peak Signal-to-Noise (PSNR), Structural Similarity Index Measure (SSIM), Mean Absolute Error (MAE) e Relative Error (REL) - e metriche ground truth free – quali Frechet Inception Distance (FID) e Kernel Inception Distance (KID) - che valutano la similarità statistica tra distribuzioni di immagini. Le prime operano mediante un confronto diretto voxel-wise tra immagine ricostruita e immagine di riferimento, fornendo una misura esplicita dell’errore o della similarità strutturale. Le seconde stimano la distanza tra insiemi di immagini attraverso il confronto delle rispettive distribuzioni statistiche. L’obiettivo principale è analizzare se e in quale misura le metriche ground truth free risultino coerenti con le metriche tradizionali nel contesto della ricostruzione tomografica, verificando l’esistenza di correlazioni significative tra i due approcci di valutazione. Si intende comprendere se FID e KID possano rappresentare strumenti affidabili anche in scenari in cui la ground truth non sia disponibile. La tesi è articolata in tre capitoli. Il primo capitolo introduce i fondamenti teorici della tomografia bidimensionale. Il secondo capitolo descrive gli algoritmi di ricostruzione analizzati e le metriche utilizzate. Il terzo capitolo è dedicato all’analisi statistica dei risultati attraverso l’impiego di istogrammi, box plot e scatter plot finalizzati allo studio delle relazioni tra le metriche ground truth e ground truth free.