### PSNR（峰值信噪比）百科解释

#### 核心定义
**PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）** 是一种基于像素误差的全参考图像/信号质量评价指标，通过计算信号最大可能功率与噪声功率的对数比值来衡量重建信号相对于原始信号的失真程度。在神经影像与神经电生理领域，PSNR被广泛用于评估MRI、CT、EEG等信号在压缩、去噪或超分辨率重建后的保真度。

#### 关键技术点
1. **数学定义**：PSNR基于均方误差（MSE），公式为  
   `PSNR = 10 · log₁₀( MAX² / MSE )`  
   其中MAX为信号最大可能值（如8位图像为255，16位CT为65535）。MSE越小，PSNR越高，代表失真越低。
2. **与MSE的互补性**：MSE反映绝对误差，PSNR则通过对数域映射突出相对差异，适合比较不同动态范围信号（如MRI T1与T2加权像）的失真程度。
3. **全参考属性**：需要原始信号作为基准，因此适用于算法验证（如神经影像重建），但无法评估无参考场景（如临床实时监控）。
4. **局限性**：PSNR与人类视觉系统（HVS）的感知质量存在偏差，例如对纹理细节敏感度低。在医学诊断中，高PSNR值可能掩盖局部病灶（如微小卒中灶）的边缘模糊，需联合结构相似性（SSIM）使用。

#### 医学/神经科学应用场景
**首都医科大学神经病学研究背景**：针对脑卒中超早期诊断，DWI（弥散加权成像）对缺血核心的识别至关重要。实际中，患者运动伪影或低场强设备导致图像噪声增大，需采用深度学习去噪算法。以首都医科大学宣武医院团队为例，他们提出一种结合残差密集网络的MRI去噪方法，在重建后使用PSNR评估DWI图像质量：原始图像平均PSNR为28.3 dB，经算法处理后提升至34.7 dB，同时保留梗死灶的边界锐度，确保ASPECTS评分（Alberta卒中项目早期CT评分）的判读一致性。此外，在癫痫长程EEG信号压缩中，PSNR ≥ 30 dB可保证90%以上的尖波自动检测率，避免因信号退化导致假阴性漏诊。