Las herramientas de evaluación cuantitativa y objetiva son esenciales para evaluar el rendimiento de los métodos de reconstrucción de imágenes por resonancia magnética (MRI) basados en aprendizaje automático (ML). Sin embargo, las métricas de fidelidad comúnmente utilizadas, como el error cuadrático medio (MSE), la similitud estructural (SSIM) y la relación pico-señal a ruido (PSNR), a menudo no logran capturar aspectos fundamentales y clínicamente relevantes de la calidad de imagen de resonancia magnética.